Machine Learning-Driven Conservative-to-Primitive Conversion in Hybrid Piecewise Polytropic and Tabulated Equations of State

Gespeichert in:

Bibliographische Detailangaben
Veröffentlicht in:	Symmetry vol. 17, no. 9 (2025), p. 1409-1426
1. Verfasser:	Kacmaz Semih
Weitere Verfasser:	Haas, Roland, Huerta, E A
Veröffentlicht:	MDPI AG
Schlagworte:	Accuracy Relativistic effects Neutrons Neutron stars Artificial neural networks Supercomputers Numerical analysis Hydrodynamics Theory of relativity Machine learning Performance evaluation Numerical methods Data points Simulation Datasets Graphics processing units Equations of state Neural networks Optimization Inference Variables Spacetime Methods Algorithms Fluid mechanics Parameter estimation
Online-Zugang:	Citation/Abstract Full Text + Graphics Full Text - PDF
Tags:	Tag hinzufügen Keine Tags, Fügen Sie das erste Tag hinzu!

Schreiben Sie den ersten Kommentar!