研究人員透過使用量子波函數的高度靈活的神經網路表示,找到了低密度中子物質超流動性的證據。
一項採用人工神經網路的突破性研究完善了我們對中子星中中子超流性的理解,提出了一種具有成本效益的模型,在預測中子行為和新興量子現象方面可與傳統計算方法相媲美。
中子星中的中子超流性
的內殼包含一種被稱為中子超流性的迷人現象,其中由於沒有黏度,流動無阻力。傳統上,研究人員透過假設中子配對成「庫柏對」(量子力學的基本概念)來預測低密度中子物質的特性。
然而,這項研究採取了不同的方法,使用人工神經網路來實現準確的預測,而不依賴這種假設。透過增強標準的「單粒子」模型,研究人員引入了「隱藏」中子,它介導「真實」中子之間的相互作用並捕捉複雜的中子多體相關性。這種創新方法使得庫柏對在計算過程中自然出現,為中子物質的量子行為提供了新的見解。
中子超流研究的意義
了解中子超流性為了解中子星提供了重要的見解。它揭示了它們的冷卻機制、旋轉以及故障(旋轉速率突然變化)等現象。雖然科學家無法透過實驗直接獲取中子星物質,但控制該物質行為的基本相互作用與控制地球上原子核的基本相互作用相同。
研究人員正在努力建立簡單但可預測的核子相互作用。準確解決量子多體問題是評估這些相互作用品質的關鍵部分。這項工作使用簡單的交互,與先前假設更複雜的交互的計算非常吻合。
低密度中子物質中的量子現象
低密度中子物質的特徵是令人著迷的湧現量子現象,例如庫柏對的形成和超流性的開始。研究人員使用人工神經網路和先進的最佳化技術來研究這種密度狀態。研究人員使用中子之間相互作用的簡化模型計算了每個粒子的能量,並將結果與高度真實的相互作用獲得的結果進行了比較。這種方法與其他計算方法相比具有競爭力,而且成本僅為其他方法的一小部分。
參考文獻:“來自神經網路量子態的稀釋中子星物質”,作者:Bryce Fore、Jane M. Kim、Giuseppe Carleo、Morten Hjorth-Jensen、Alessandro Lovato 和 Maria Piarulli,2023 年 7 月 31 日,物理評論研究。
DOI:10.1103/PhysRevResearch.5.033062
這項工作得到了能源部 (DOE) 科學辦公室、核子物理辦公室、DOE 科學辦公室、高級科學計算研究辦公室、透過高級計算進行科學發現 (SciDAC) NUCLEI 計劃和美國國家科學中心的支持基礎。數值計算使用阿貢國家實驗室的實驗室計算資源中心和阿貢領導計算設施(美國能源部科學辦公室使用者設施)的電腦。