编辑者： Uliana S. Аj
科英布拉大学的研究人员与来自中国和印度的科学家合作，通过应用机器学习技术，在中子星的理解方面取得了重大突破。中子星是宇宙中最密集的物体之一，其真实成分一直是个谜。
该团队采用符号回归，一种机器学习方法，来识别中子星最大质量与其状态方程之间的代数关系。这种创新方法显著减少了识别与天文观测结果一致的模型所需的计算时间，将过程加快了七倍。
科学家们希望利用先进的计算技术，直接从中子星的可观测数据中解码致密物质的状态方程。这可以揭示重子物质在极端密度下的性质，并确定夸克何时从核子中解禁。理解在这些极端条件下核物质的状态方程对于解释中子星、超新星爆炸和中子星合并的观测至关重要。
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
Five Infant Planets Discovered: exoALMA Project Revolutionizes Understanding of Planetary Formation
Earth Bacteria Proven to Survive in Space: New Insights for Planetary Protection and Biotechnology
XRISM Reveals Supermassive Black Hole Winds as Rapid-Fire Gas Clumps, Challenging Galaxy Evolution Theories
你发现了错误或不准确的地方吗？
我们会尽快考虑您的意见。
