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

Zapisane w:

Opis bibliograficzny
Wydane w:	Symmetry vol. 17, no. 9 (2025), p. 1409-1426
1. autor:	Kacmaz Semih
Kolejni autorzy:	Haas, Roland, Huerta, E A
Wydane:	MDPI AG
Hasła przedmiotowe:	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
Dostęp online:	Citation/Abstract Full Text + Graphics Full Text - PDF
Etykiety:	Dodaj etykietę Nie ma etykietki, Dołącz pierwszą etykiete!

Napisz pierwszy komentarz!