初探：受动态时间规整启发的模型缺陷先验构建

已知若评估过程中未考虑模型缺陷，将导致有偏的核数据评价。我们以 $^{56}$Fe 的邻近同位素为例，提出一种为反应模型的模型缺陷构建先验分布的方法。模型缺陷通常是能量的函数，描述模型预测与真实值之间的差异。当然，真实值与模型缺陷均不可得。高斯过程（GP）通过引用如平滑性与缺陷期望量级等直观可理解的概念，得以在模型缺陷的可能形状上定义概率分布。GP 的标准设定强加一个对整个能量范围有效的典型长度尺度与幅度，而这往往不合理，例如当模型同时覆盖共振区与统计区时。本文中，我们展示如何由可得的实验数据构建具有能量相关长度尺度与幅度的 GP。所提构建受一种称为动态时间规整（用于如语音识别）的技术启发。我们通过推断核模型代码 TALYS 对电荷数在 20 至 30 之间同位素的 (n,p) 反应的模型缺陷，证明了数据驱动的模型缺陷确定的可行性。新引入的 GP 参数化除有望改进对反应堆相关同位素（如 $^{56}$Fe）的评价外，亦有助于未来更好地理解核模型的性能。