具有自旋与同位旋自由度二体系统的神经网络方法
核理论
2026-04-21 v2 计算物理
量子物理
摘要
我们提出了一种增强的机器学习方法来计算二体系统的基态。通过扩展原始方法 [Naito, Naito, and Hashimoto, Phys. Rev. Research 5, 033189 (2023)]，本方法通过采用非全连接深度神经网络和无监督机器学习技术，实现了对自旋和同位旋自由度的考虑。通过计算氘核的唯一束缚态验证了该方法的有效性。
引用
@article{arxiv.2403.16819,
title = {A neural network approach for two-body systems with spin and isospin degrees of freedom},
author = {Chuanxin Wang and Tomoya Naito and Jian Li and Haozhao Liang},
journal= {arXiv preprint arXiv:2403.16819},
year = {2026}
}
备注
10 pages, 5 figures, 4 tables