Прорив у машинному навчанні: нові погляди на склад нейтронних зірок та рівняння стану

Відредаговано: Uliana S. Аj

Дослідники з Університету Коїмбри, у співпраці з науковцями з Китаю та Індії, досягли значного прориву в розумінні нейтронних зірок, застосовуючи методи машинного навчання. Нейтронні зірки, одні з найщільніших об'єктів у Всесвіті, являють собою загадку щодо їх справжнього складу.

Команда використала символічну регресію, метод машинного навчання, для ідентифікації алгебраїчних зв'язків між максимальною масою нейтронної зірки та її рівнянням стану. Цей інноваційний підхід значно скорочує обчислювальний час, необхідний для ідентифікації моделей, які узгоджуються з астрономічними спостереженнями, прискорюючи процес у сім разів.

Науковці сподіваються використовувати передові обчислювальні техніки для декодування рівняння стану щільної матерії безпосередньо з спостережуваних даних нейтронних зірок. Це може виявити властивості баріонної матерії при екстремальних густинах і визначити, коли кварки стають деконфайндованими від нуклонів. Розуміння рівняння стану ядерної матерії за цих екстремальних умов є вирішальним для інтерпретації спостережень нейтронних зірок, вибухів наднових і злиття нейтронних зірок.

Джерела

  • Sapo - Portugal Online!

  • UC scientists use machine learning to reduce neutron star calculation time sevenfold

  • UC scientists help advance study of nuclear matter in neutron star mergers

Знайшли помилку чи неточність?

Ми розглянемо ваші коментарі якомога швидше.