核理论
[提交于 2024年2月5日
(v1)
,最后修订 2025年2月20日 (此版本, v2)]
标题: 核饱和性质对中子星 $f$ 模态振荡频率的影响:一种机器学习方法
标题: The footprint of nuclear saturation properties on the neutron star $f$ mode oscillation frequencies: a machine learning approach
摘要: 我们利用机器学习方法,在相对论平均场框架下研究了中子星(NS)的非径向\(f\)模态振荡频率与相应的核物质状态方程(EOS)之间的复杂关系。 使用瓦莱斯卡模型的两种不同参数化方法,即:(1) 标量场的非线性自相互作用(NL),以及 (2) 密度相关的贝叶斯模型(DDB),我们对\(f\)模态频率与各种核饱和性质之间的关系进行了全面分析。 通过多种解析和机器学习方法,\(f\)模态频率与核饱和性质之间的相关性揭示了中子星复杂性质及其作为极端物态宇宙实验室的潜力。 我们使用来自 DDB 和 NL 模型的混合数据集进行了主成分分析(PCA),以区分 EOS 各组成部分对$f$模态频率的重要性。 此外,{\it 随机森林特征重要性}分析还阐明了这些性质在决定\(f\)模态频率方面所起的不同作用,适用于一系列中子星质量范围。 我们的发现进一步得到了符号回归搜索的支持,得到了具有强皮尔逊系数和极小误差的高精度关系式。 这些关系式提出了探测中子星核心特性的新方法,例如从中子星非径向\(f\)模态振荡观测中推断能量密度、压力和声速等特性。
文献和引用工具
与本文相关的代码,数据和媒体
alphaXiv (什么是 alphaXiv?)
CatalyzeX 代码查找器 (什么是 CatalyzeX?)
DagsHub (什么是 DagsHub?)
Gotit.pub (什么是 GotitPub?)
Hugging Face (什么是 Huggingface?)
带有代码的论文 (什么是带有代码的论文?)
ScienceCast (什么是 ScienceCast?)
演示
推荐器和搜索工具
arXivLabs:与社区合作伙伴的实验项目
arXivLabs 是一个框架,允许合作伙伴直接在我们的网站上开发和分享新的 arXiv 特性。
与 arXivLabs 合作的个人和组织都接受了我们的价值观,即开放、社区、卓越和用户数据隐私。arXiv 承诺这些价值观,并且只与遵守这些价值观的合作伙伴合作。
有一个为 arXiv 社区增加价值的项目想法吗? 了解更多关于 arXivLabs 的信息.