ИИ воссоздает уравнения состояния нейтронных звезд с погрешностью менее 0.14%
Исследователи представили новый метод машинного обучения для работы с уравнениями состояния нейтронных звезд. Разработанный полу-контролируемый вариационный автокодировщик (SSVAE) позволяет реконструировать и генерировать такие уравнения с высокой точностью.
Модель состоит из энкодера, который сжимает многомерные данные уравнений состояния в низкоразмерное латентное пространство, и декодера, восстанавливающего полное уравнение из этого представления. Латентное пространство включает контролируемые наблюдаемые параметры нейтронных звезд и вариационные переменные, которые автоматически обучаются.
В ходе эксперимента на наборе данных Skyrme авторы обнаружили, что достаточно двух контролируемых параметров — максимальной массы и канонического радиуса — и одной вариационной переменной, связанной с корой звезды, чтобы точно реконструировать уравнения состояния. Средняя абсолютная процентная ошибка при восстановлении массы и радиуса составила менее 0.14%.
Генерация новых уравнений из латентного пространства даёт физически состоятельные решения: они причинны, термодинамически устойчивы и соответствуют наложенным ограничениям на наблюдаемые параметры.
Разработанный фреймворк представляет собой компактную и физически интерпретируемую параметризацию уравнения состояния нейтронных звезд. По мнению авторов, он хорошо подходит для байесовского вывода при анализе мультимессенджерных данных, включая наблюдения пульсаров и гравитационно-волновые сигналы.
Работа опубликована на сервере препринтов arXiv.
