图片来源：NASA

利用天体爆炸来探究原子核内神秘的力

一支研究团队正使用天体爆炸现象来解析自然中最小的构建块——原子核。最新研究发表在《Nature Communications》上，团队运用机器学习与人工智能从天体观测数据中解码，进一步了解中子与质子在密集物质中量子层面的相互作用。

“这项研究是该领域首次能稳健地把宏观与微观领域联系起来，并直接从天体数据推断中子与质子之间的相互作用。” 朗·阿莫斯物理学家 Ingo Tews 如是说。 “通过人工智能和机器学习，我们的框架让我们能够利用罕见的天体现象数据，推断出核力的复杂物理。”

研究团队由德国达姆施塔特技术大学（TU Darmstadt）等多位科学家组成，利用 2017 年双中子星合并产生的引力波数据以及观测中子星及其 X 射线辐射的望远镜数据。团队运用机器学习，为描述核力强度的核耦合参数提供关键约束。

“我们的做法为中子与质子强相互作用以及其对中子星的影响打开了新的窗口。” TU Darmstadt 科学家、共同首席作者 Isak Svensson 如是说。 “我们的框架可以把中子星观测直接转化为密集物质中的相互作用。”

若将数百种中子相互作用模型直接应用到极度密集的中子星上，计算量会“不可计算”；单个模型的求解可能需要数千个 CPU 核心数小时。为寻求更快、更易获取的方法，研究团队构建了 AI 框架，能够几乎瞬时将核相互作用与中子星属性相连接。

团队使用的两种机器学习算法分别：

量子物理导向算法：利用底层量子物理知识，快速求得密集物质属性。

神经网络：在海量数据上训练，将密集物质与中子星属性关联。

两种算法共同作为更复杂、高保真计算的替代品，预测中子星的尺寸与潮汐变形等属性。

“我们开发的工具表现惊人——远超预期。” 朗·阿莫斯科学家、共同首席作者 Rahul Somasundaram 如是说。 “对于最近事件的天体观测，我们的框架提供与地面实验一致的约束，尽管不确定性更大；而对未来一代探测器（如 Cosmic Explorer）的观测，我们的做法将给出更强的约束。”

中子间的相互作用由宇宙四种基本力之一的强相互作用驱动（其余三种为电磁力、弱相互作用与重力）。强相互 posl 使夸克与胶子结合成核子（如中子、质子），并将核子束缚在原子核内。构建对这一强力的稳健量子描述仍是物理学面临的挑战。

中子星是宇宙中最密集的天体之一——仅直径约 24 公里，却拥有 约两倍太阳质量。此类密度下的物质具有与原子核中心物质相似的性质，必须通过量子层面核子相互作用的建模来描述；也就是说，密集中子的相互作用决定了整个中子星的宏观属性。

团队通过将中子星属性与中子量子力学属性相连，正在构建一条路径，最终阐明宇宙中任何地方所探测到的最大密度下强相互作用的性质。这同样可能帮助科学家对异质物质（如夸克、胶子相变等）施加约束。

研究中的见解对理解三体力尤为重要——核相互作用中最少被理解的方面之一。三体力仅在三或更多中子/质子聚集在一起时才出现。

团队利用 2017 年双中子星合并事件 GW170817 产生的引力波（由激烈碰撞产生的时空波动）数据，LIGO 观测到了潮汐变形；同时，他们还利用 NASA 的 Neutron Star Interior Composition Explorer（NICER） 望远镜的 X 射线数据。NICER 通过测量快速旋转中子星的 X 射线、利用引力场中的光线弯曲现象来提取中子星的质量与半径。

从多种信号源提取信息的方式被称为 多信使天文学（multimessenger astronomy）。团队开发的研究方法可直接应用于新设施上线时。未来几代更大规模的探测器（如欧洲的 Einstein Telescope 与美国的 Cosmic Explorer）已处于规划阶段。

勇编撰自论文"Inferring three-nucleon couplings from multi-messenger neutron-star observations".Nature Communications.2026相关信息，文中配图若未特别标注出处，均来源于自绘或公开图库。