洛斯阿拉莫斯国家实验室与德国达姆施塔特工业大学的研究团队，利用人工智能和机器学习技术，成功通过天体物理观测数据揭示了原子核内部的强相互作用力。这一突破性成果发表于《自然 - 通讯》期刊，标志着该领域首次能够将宏观天体现象与微观量子物理可靠地联系起来。 研究人员结合了 2017 年双中子星合并事件产生的引力波数据（GW170817），以及 NASA 中子星内部成分探测卫星（NICER）拍摄的 X 射线观测数据。中子星是宇宙中密度极高的天体，其内部物理环境类似于原子核，但直接通过传统计算模拟夸克和胶子的相互作用极为耗时且复杂。为此，团队构建了新型 AI 框架，利用两个核心算法：一个基于量子物理理解快速求解致密物质属性，另一个为神经网络，用于建立致密物质与中子星宏观性质（如大小和潮汐形变）之间的关联。这些算法充当了高精度计算的代理模型，使研究从模型推导到观测验证的时间大幅缩短。 项目负责人 Ingo Tews 指出，该框架能从非凡的天文现象中推断出复杂的核力物理，为理解强相互作用力开辟了全新窗口。结果显示，AI 模型预测的中子星属性与地球实验室的已知结论一致，尽管存在一定不确定性，但已验证了其有效性。随着未来更先进的探测器（如“宇宙探索者”和“爱因斯坦望远镜”）投入使用，该方法将提供更精确的约束，帮助科学家探索极端密度下物质的相变，甚至揭示奇异物质形态。这项研究不仅加速了对核力的理解，也为多信使天文学提供了强大的新工具。