ESPNN：基于IAEA阻止本领数据库构建的新型电子阻止本领神经网络代码。I. 原子靶
原子与分子团簇
2022-12-16 v2 机器学习
摘要
国际原子能机构(IAEA)阻止本领数据库是一项极受重视的公共资源，汇编了近一个世纪来发表的大部分实验测量数据。该数据库向全球科学界开放并持续更新，三十余年来已被广泛用于理论与实验研究。本工作旨在对2021年IAEA数据库应用机器学习算法，以在宽入射能量范围内预测任意离子与靶组合的精确电子阻止本领截面。采用无监督机器学习方法以自动化方式清理数据库。这些技术通过移除可疑离群值与陈旧孤立值来净化数据。剩余数据的绝大部分用于训练深度神经网络，其余留作测试集。本工作仅考虑以原子靶的碰撞系统。面向用户开源的ESPNN（电子阻止本领神经网络代码）首版，被证明给出的预测值与测试集的实验结果高度吻合。
引用
@article{arxiv.2210.10950,
title = {ESPNN: A novel electronic stopping power neural-network code built on the IAEA stopping power database. I. Atomic targets},
author = {F. Bivort Haiek and A. M. P. Mendez and C. C. Montanari and D. M. Mitnik},
journal= {arXiv preprint arXiv:2210.10950},
year = {2022}
}