用于全局质子-核子光学模型计算的双向神经网络
核理论
2026-05-28 v3
摘要
现代核数据评估日益需要不仅精确的散射计算，而且也需要适用于梯度算法的高效不确定性量化和参数优化方法。我提出了一种基于双向液体神经网络 (BiLNN) 的神经网络模拟器，提供从光学势参数到散射波函数的全可微映射。实现跨参数空间泛化的关键在于使用相空间坐标 归一化振荡波长，使单个网络可覆盖 1 到 200 MeV 的能量范围。在针对 12 个靶核（从 到 ）的 Numerov 解进行训练时，包括质子和中子以及至 的部分波，网络实现了 1.2% 的整体相对误差。预测的波函数产生准确的 -矩阵元和弹性散射截面，跨越四个数量级地再现衍射图案。重要的是，该模型成功地对未包含在训练中的核子（ 、、）进行外推，保持相当的精度，表明它已学习了光学模型的物理知识而非仅记忆特定靶核。该训练模型的可微特性为光学模型参数的梯度优化和高效不确定性量化开辟了可能性。
引用
@article{arxiv.2512.22500,
title = {Bidirectional Neural Networks for Global Nucleon-Nucleus Optical Model Calculations},
author = {Jin Lei},
journal= {arXiv preprint arXiv:2512.22500},
year = {2026}
}