基于反向传播神经网络的核电荷密度分布校准
核理论
2023-11-23 v2
摘要
基于反向传播神经网络和密度泛函理论，首先进行监督学习以生成核电荷密度分布。电荷密度进一步通过复合损失函数校准到实验电荷半径。研究发现，当考虑宇称、配对和壳层效应时，验证集中约的原子核落在预测电荷半径的两个标准偏差内。校准后的电荷密度随后映射到物质密度，并根据Hohenberg-Kohn定理进一步映射到结合能。它在结合能和电荷半径两方面对一些原子核提供了改进的描述。此外，Ca中异常的过度束缚暗示了不可或缺的超越平均场效应的存在。
引用
@article{arxiv.2205.15649,
title = {Calibration of nuclear charge density distribution by back-propagation neural networks},
author = {Zu-Xing Yang and Xiao-Hua Fan and Tomoya Naito and Zhong-Ming Niu and Zhi-Pan Li and Haozhao Liang},
journal= {arXiv preprint arXiv:2205.15649},
year = {2023}
}