⚛️ nuclear theory
Emulator-Assisted Nuclear DFT Inference and Its Consequences for the Structure of Neutron Stars
该研究利用高斯模拟器加速的贝叶斯推断方法，结合新的同位素敏感数据、*ab initio*计算及天体物理观测，对包含高密度灵活项的 Skyrme 能量密度泛函进行了更新，从而在量化不确定性的同时得出了与当前观测一致的催化中子星结构及其物态方程。
⚛️ Category
nucl-th
1433 篇论文
核天体物理学探索着宇宙中最极端的环境，从恒星核心的核聚变到超新星爆发时的元素合成，揭示物质在巨大能量下的行为规律。这一领域连接了微观的原子核物理与宏大的宇宙演化，帮助我们理解星辰如何诞生、死亡以及构成我们身体的元素从何而来。
Gist.Science 持续追踪 arXiv 上发布的每一篇核天体物理学预印本，通过专业团队将其转化为通俗易懂的科普解读与详尽的技术摘要，让前沿科学成果触手可及。无论您是专业研究者还是科学爱好者，都能在这里快速把握最新进展。以下是该领域最新的预印论文精选。
⚛️ nuclear theory
Improved quasiparticle nuclear Hamiltonians for quantum computing
本文通过将布利渊 - 维格纳微扰理论与平均场近似相结合，系统改进了适用于开壳层原子核的准粒子核哈密顿量，在显著降低量子计算资源需求的同时，将基态能量误差控制在壳模型精确解的 2% 以内，使其更适用于近期量子设备的模拟。
⚛️ nuclear theory
Resonances extracted in truncated partial-wave analysis are effective mixtures of angular momenta
该论文通过标量玩具模型证明，在截断分波分析中，由于拟合的是振幅的二次型干涉项而非振幅本身，提取出的共振参数并非完整振幅的直接投影，而是由截断拟合机制产生的、混合了高阶角动量贡献的有效组合。
⚛️ nuclear experiments
Microscopic study of nuclei synthesis in pycnonuclear reaction C + C in neutron stars
该研究基于折叠近似和多重内反射方法，通过微观相互作用模型揭示了中子星致密环境中C+C 聚变反应形成Mg 复合核的机制，并发现准束缚态下的复合核形成概率显著高于零点振动态，且折叠势模型比传统的伍兹 - 萨克森势提供了更精确的描述。
⚛️ nuclear experiments
Two-proton emission as source of spin-entangled proton pairs
该研究通过含时三体模型表明，从具有二质子关联的初态发生民主式双质子发射（如Ne）可产生自旋纠缠的质子对，其自旋关联模式显著超越局域隐变量界限并近似纯自旋单态，而序贯发射或缺乏初态关联则会导致该特征消失。
⚛️ nuclear theory
The role of the surface energy in nuclear octupole excitations
该研究利用一系列具有不同表面能参数的 Skyrme 相互作用，发现 Pb 原子核中第一 八极激发能的预测值与表面能之间存在显著的正线性相关性。
⚛️ nuclear experiments
Towards better nuclear charge radii
该论文旨在通过整合互补的实验技术与先进的理论框架，改进核电荷半径的提取精度与可靠性，并构建一个现代、透明且方法论稳健的推荐值汇编。
⚛️ nuclear theory
Shape transitions and ground-state properties of tungsten isotopes in covariant density functional theory
该研究利用协变密度泛函理论系统分析了钨同位素（W）的基态性质与形变演化，揭示了从到的球形、中间区长椭球主导及特定区域形变共存等结构特征，预测了处的亚壳层闭合与的中子滴线，并验证了该理论模型在描述核结构及指导过程核合成研究中的可靠性。
⚛️ phenomenology
A numerical implementation of the NLO DIS structure functions in the dipole picture
本文介绍了一个数值程序，该程序在偶极子图像中以次领头阶精度计算包含大质量夸克的深度非弹性散射结构函数，并通过优化冲击因子的表达形式确保了截面数值计算的稳定性。
⚛️ nuclear theory
NucleiML: A machine learning framework of ground-state properties of finite nuclei for accelerated Bayesian exploration
本文提出了名为 NucleiML 的机器学习框架，通过利用相对论平均场模型生成的有限核基态性质数据，将计算速度提升约 倍，从而在贝叶斯推断中高效整合有限核与中子星性质以加速核物质状态方程的探索。