مقاله استنتاج مبتنی بر شبیه سازی عصبی معادله حالت ستاره نوترونی مستقیماً از طیف تلسکوپ

انتخاب پلن

انتخاب پلن برای ادامه خرید الزامی است.

عنوان مقاله به انگلیسی Neural Simulation-Based Inference of the Neutron Star Equation of State directly from Telescope Spectra
عنوان مقاله به فارسی مقاله استنتاج مبتنی بر شبیه سازی عصبی معادله حالت ستاره نوترونی مستقیماً از طیف تلسکوپ
نویسندگان Len Brandes, Chirag Modi, Aishik Ghosh, Delaney Farrell, Lee Lindblom, Lukas Heinrich, Andrew W. Steiner, Fridolin Weber, Daniel Whiteson
زبان مقاله انگلیسی
فرمت مقاله: PDF
تعداد صفحات 19
دسته بندی موضوعات High Energy Astrophysical Phenomena,Instrumentation and Methods for Astrophysics,General Relativity and Quantum Cosmology,High Energy Physics - Phenomenology,Nuclear Theory,پدیده های اخترفیزیکی با انرژی بالا , ابزار دقیق و روش های اخترفیزیک , نسبیت عام و کیهان شناسی کوانتومی , فیزیک انرژی بالا - پدیدارشناسی , نظریه هسته ای ,
توضیحات Submitted 1 March, 2024; originally announced March 2024.
توضیحات به فارسی ارسال 1 مارس 2024 ؛در ابتدا مارس 2024 اعلام شد.

چکیده

Neutron stars provide a unique opportunity to study strongly interacting matter under extreme density conditions. The intricacies of matter inside neutron stars and their equation of state are not directly visible, but determine bulk properties, such as mass and radius, which affect the star's thermal X-ray emissions. However, the telescope spectra of these emissions are also affected by the stellar distance, hydrogen column, and effective surface temperature, which are not always well-constrained. Uncertainties on these nuisance parameters must be accounted for when making a robust estimation of the equation of state. In this study, we develop a novel methodology that, for the first time, can infer the full posterior distribution of both the equation of state and nuisance parameters directly from telescope observations. This method relies on the use of neural likelihood estimation, in which normalizing flows use samples of simulated telescope data to learn the likelihood of the neutron star spectra as a function of these parameters, coupled with Hamiltonian Monte Carlo methods to efficiently sample from the corresponding posterior distribution. Our approach surpasses the accuracy of previous methods, improves the interpretability of the results by providing access to the full posterior distribution, and naturally scales to a growing number of neutron star observations expected in the coming years.

چکیده به فارسی (ترجمه ماشینی)

ستارگان نوترون فرصتی منحصر به فرد برای مطالعه ماده به شدت در تعامل در شرایط چگالی شدید فراهم می کنند.پیچیدگی های ماده در داخل ستاره های نوترون و معادله حالت آنها به طور مستقیم قابل مشاهده نیست ، بلکه خصوصیات فله ای مانند جرم و شعاع را تعیین می کند که بر انتشار اشعه ایکس حرارتی ستاره تأثیر می گذارد.با این حال ، طیف تلسکوپ این انتشار گازهای گلخانه ای نیز تحت تأثیر فاصله ستاره ای ، ستون هیدروژن و دمای سطح موثر است که همیشه به خوبی محدود نیستند.عدم اطمینان در مورد این پارامترهای مزاحمت باید هنگام تخمین قوی از معادله دولت ، حساب شود.در این مطالعه ، ما یک روش جدید ایجاد می کنیم که برای اولین بار می تواند توزیع خلفی کامل معادله پارامترهای حالت و مزاحمت را مستقیماً از مشاهدات تلسکوپ استنباط کند.این روش به استفاده از برآورد احتمال عصبی متکی است ، که در آن جریان های عادی از نمونه هایی از داده های تلسکوپ شبیه سازی شده برای یادگیری احتمال طیف های ستاره نوترون به عنوان تابعی از این پارامترها استفاده می کنند ، همراه با روشهای همیلتون مونت کارلو برای نمونه گیری کارآمد از خلفی مربوطهتوزیعرویکرد ما از صحت روشهای قبلی پیشی می گیرد ، با فراهم کردن دسترسی به توزیع کامل خلفی ، تفسیر نتایج را بهبود می بخشد و به طور طبیعی مقیاس به تعداد فزاینده ای از مشاهدات ستاره نوترون که در سالهای آینده انتظار می رود.

📚 محتوای این محصول آموزشی (پکیج کامل)

علاوه بر مقاله اصلی انگلیسی که دریافت می کنید، برای یادگیری عمیق‌تر و تسلط کامل بر مباحث مجموعه‌ای از کتاب‌های آموزشی نیز ارائه می‌شود.

🎯 این بسته یک دورهٔ آموزشی کامل و چندلایه است؛ شامل ویدیوهای آموزشی، کتاب‌ها، تمرین‌ها و خودآزمایی.

ℹ️ نکات مهم هنگام خرید

  • این محصول به صورت فایل دانلودی کامل ارائه می‌شود.
  • توجه: لینک‌های اختصاصی دوره طی حداکثر 24 ساعت پس از ثبت سفارش ارسال می‌شوند.
  • دقت کنید لینک ها به شماره موبایل شما ارسال می شوند. پس در ارائه شماره موبایل صحیح دقت کنید.
  • برای راهنمایی در مورد نحوه دانلود به شماره 09395106248 پیامک دهید یا تماس بگیرید. (ایده آل ترین گزینه ارسال پیام در یکی از پیام رسان ها به همین شماره است تا سریعا لینک های محصول همان جا برای شما ارسال گردد.)
  • اگر پرداخت انجام شده ولی بعد از 24 ساعت هنوز لینک‌ها را دریافت نکرده‌اید، نام و نام خانوادگی و نام محصول را پیامک کنید تا لینک‌ها دوباره ارسال شوند.

💬 راه‌های ارتباطی پشتیبانی:
واتس‌اپ یا هر پیام رسان داخلی یا پیامک: 09395106248
تلگرام: @ma_limbs

نظرات

هنوز نظری ثبت نشده است.

وارد شوید تا نظر ثبت کنید.