基于深度学习算法的高精度电阻止本领预测模型及其应用
应用物理
2020-10-21 v1 核实验
计算物理
摘要
高能离子在固体中的能量损失在许多领域至关重要，而精确预测离子阻止本领是一个长期目标。尽管已付出巨大努力，仍很难找到一种通用预测模型来精确计算不同靶材料中的离子阻止本领。深度学习算法是一种新兴的解决多因素物理问题的方法，能够挖掘参数间深层隐含关系，这使其成为能量损失预测的有力工具。本工作中，我们开发了基于深度学习的能量损失预测模型。当有实验数据可用时，我们的模型给出的预测平均绝对差异接近5.7%，与SRIM等其他广泛使用程序处于同一水平。在无实验数据的区间，我们的模型仍保持高性能，且相比现有模型具有更高可靠性。对于能量范围700~10000 keV的离子，Au离子在SiC中的射程可用0.6~25%的相对误差计算，远优于SRIM计算结果。此外，我们的模型支持P. Sigmund提出的固体中离子阻止本领互易猜想，该猜想久已为人所知却难由任何现有阻止本领模型证明。该高精度能量损失预测模型对离子-固体相互作用机理研究及高能离子的众多相关应用(如半导体制造、核能系统与空间设施)十分重要。
引用
@article{arxiv.2010.09943,
title = {A High Accuracy Electrical Stopping Power Prediction Model based on Deep Learning Algorithm and its Applications},
author = {Xun Guo and Hao Wang and Shijun Zhao and Ke Jin and Jianming Xue},
journal= {arXiv preprint arXiv:2010.09943},
year = {2020}
}
备注
13 pages, 4 figures