一项发表于《自然通讯》的研究显示，研究人员正借助中子星等极端天体事件的观测数据，推进对原子核内部作用力的理解。该团队通过机器学习与人工智能方法处理引力波与X射线等天体物理数据，旨在更直接地推断致密物质中中子与质子在量子层面的相互作用。

洛斯阿拉莫斯国家实验室物理学家英戈·特维斯（Ingo Tews）表示，这项工作尝试在宏观天体观测与微观核子相互作用之间建立更稳健的联系，并从天体物理数据中推断中子与质子之间的相互作用。他称，人工智能与机器学习框架使得从罕见天体事件数据中提取复杂核力信息成为可能。

研究团队成员还包括德国达姆施塔特工业大学的科学家。研究使用了2017年双中子星合并事件的引力波探测数据，以及针对中子星及其X射线辐射的望远镜观测数据。研究人员称，借助机器学习方法，他们对描述核力强度的核耦合关键参数获得了约束。

达姆施塔特工业大学科学家、联合第一作者伊萨克·斯文森（Isak Svensson）表示，该方法为理解中子与质子的强相互作用及其对中子星性质的影响提供了新的途径，并使研究人员能够从中子星观测数据反推致密物质中的相互作用特征。

在方法层面，研究团队指出，将大量中子相互作用模型直接用于极端致密的中子星环境在计算上难以承受：仅求解一个模型就可能需要数千个CPU核心运行数小时。为提高效率，团队构建了一个人工智能框架，用于快速将核相互作用与中子星性质联系起来。

据介绍，团队采用的其中一种机器学习算法结合对基础量子物理的理解，以更快速度求解致密物质性质；另一种算法为基于大量数据训练的神经网络，用于将致密物质性质与中子星可观测特征相连接。研究人员希望借此替代更复杂的高保真计算，以预测中子星的尺寸与潮汐变形等性质。

洛斯阿拉莫斯科学家、联合第一作者拉胡尔·索马桑达拉姆（Rahul Somasundaram）表示，该工具在近期天体物理事件数据上的表现超出预期。其给出的约束与地面实验结果一致，但不确定性仍较大。他同时提到，若未来获得“宇宙探测者”等下一代探测器的观测数据，该方法有望提供更强的约束。

研究团队在论文中强调，中子之间的相互作用由强相互作用主导。强相互作用是四大基本力之一，负责将夸克和胶子束缚成核子（如中子和质子），并进一步将核子束缚成原子核。研究人员指出，对这一作用力建立稳健的量子描述仍是物理学的重要挑战。

研究还提到，中子星是宇宙中最致密的天体之一，其质量可达太阳的两倍，而直径约24公里。在这种密度条件下，物质表现出类似原子核中心物质的性质，需要通过核子间量子相互作用进行建模；致密环境下中子间相互作用被认为决定了中子星的整体性质。

研究人员表示，通过将中子星的可观测性质与中子的量子力学性质相连接，他们希望逐步揭示极端密度条件下强相互作用的特征，并可能对夸克与胶子等奇异物质形态的相变施加约束。团队同时指出，该方法对理解核相互作用中较不明确的“三体力”具有价值：三体力仅在三个或更多中子或质子彼此接近时显现。

在数据来源方面，研究使用了2017年两颗中子星合并事件GW170817的观测结果。该事件由激光干涉引力波天文台（LIGO）探测到引力波信号，并提供了两颗中子星接近时潮汐变形的信息。团队还使用了美国国家航空航天局（NASA）的中子星内部成分探测器（NICER）数据，该设备通过收集快速旋转中子星的X射线信号，并利用引力场导致的光线弯曲效应，提取中子星的质量与半径。

研究人员称，将引力波与电磁观测等多种信号结合的方式属于“多信使”天文学。团队表示，其方法可直接应用于未来新设施的数据分析。文中提到，欧洲的爱因斯坦望远镜以及美国的宇宙探测者等更大规模的下一代探测器目前处于规划阶段。