⚛️ théorie nucléaire
Neural-Accelerated Bayesian Calibration of Chiral Mean-Field Models to Nuclear Saturation and Vacuum Properties
Cet article présente un cadre d'inférence bayésienne accéléré par des réseaux de neurones qui calibre efficacement les modèles de champ moyen chiral aux contraintes nucléaires et du vide, révélant que bien que les régions de paramètres viables soient rares, les dégénérescences qui en résultent impliquent que des modèles distincts peuvent produire des prédictions qualitativement différentes pour la matière dense et les étoiles à neutrons, soulignant la nécessité de combiner les données terrestres et astrophysiques.