使用物理信息神经网络进行超新星辐射转移模拟
高能天体物理现象
2022-11-11 v1
摘要
我们使用物理信息神经网络（PINNs）求解辐射转移方程，并计算 Ia 型超新星（SN~Ia）SN 2011fe 的合成光谱。计算基于局部热力学平衡（LTE），并包含 9 种元素。包含的物理过程有近似辐射平衡、束缚-束缚跃迁以及多普勒效应。采用基于 PINN 的伽马射线散射近似来处理放射性衰变能量沉积。将 PINN 合成光谱与观测光谱、由蒙特卡洛辐射转移程序 TARDIS 计算的合成光谱以及辐射转移方程的正式解进行比较。我们讨论了这一基于深度学习的辐射转移方程求解器的挑战与潜力。事实上，PINNs 提供了同时在时空上对辐射场与热态的大气层问题求解的前景。我们通过计算朝该前景迈出了 modest 步伐，这些计算需要许多近似，以在 PINN 大气解发展的当前阶段可行。
引用
@article{arxiv.2211.05219,
title = {Using Physics Informed Neural Networks for Supernova Radiative Transfer Simulation},
author = {Xingzhuo Chen and David J. Jeffery and Ming Zhong and Levi McClenny and Ulisses Braga-Neto and Lifan Wang},
journal= {arXiv preprint arXiv:2211.05219},
year = {2022}
}