arXiv cs.AI· Anarya Ray·· 10 小时前AI 评分31
无监督神经算子求解旋转相对论恒星：高保真状态方程推断与脉冲星自旋演化
Unsupervised Neural Operators for Rotating Relativistic Stars: High-Fidelity Equation of State Inference and Pulsar Spin Evolution at Scale
AI 导读
研究者提出物理信息神经算子，可在完全无监督设置下求解轴对称广义相对论流体静力学平衡方程，训练目标仅由偏微分方程约束，实现10³倍加速且精度损失可忽略。该求解器支持自洽考虑旋转的状态方程推断，并让双星演化中反复的恒星结构计算在群体合成中变得计算可行，从而纳入旋转结构与状态方程不确定性来预测脉冲星自旋。
正文 · AI 翻译
摘要：观测到的毫秒级周期旋转中子星（NS）群体是基础物理的有力探针。质量-半径测量可揭示简并核物质中约束不足的性质，而高保真群体合成则将中子星形成与双星演化中的未知因素与大型射电计时巡天联系起来。然而，由于求解支配旋转中子星内部的轴对称广义相对论流体静力学平衡的高度耦合偏微分方程计算成本高昂，重复的结构计算令人望而却步。非旋转计算或近似旋转修正可能使状态方程推断产生偏差，并限制群体合成在追溯前身星演化历史和传播状态方程不确定性方面的保真度。在本\textit{快报}中，我们开发了物理信息神经算子，能够以高精度和可忽略的计算成本求解轴对称问题。\textit{我们的求解器在完全无监督的设置下训练，训练目标仅由偏微分方程提供信息，并实现了$10^3\times$的加速且精度损失可忽略}。这些求解器使可扩展的状态方程推断成为可能，该推断自洽地考虑了旋转以及双星演化过程中的重复恒星结构计算，从而使考虑旋转结构和状态方程不确定性的自旋预测在计算上可用于群体合成。
| 学科： | 高能天体物理现象（astro-ph.HE）；人工智能（cs.AI）；机器学习（cs.LG）；广义相对论与量子宇宙学（gr-qc） |
| 引用为： | arXiv:2611.05790 [astro-ph.HE] |
| （或 arXiv:2611.05790v1 [astro-ph.HE] 为此版本） | |
| https://doi.org/10.48550/arXiv.2611.05790 由 DataCite 颁发的 arXiv DOI（待注册） |
提交历史
来自：Anarya Ray [查看电子邮件]
[v1]
2026年11月4日星期三 00:57:22 UTC（1,484 KB）
来源：arXiv cs.AI · arxiv.org