利用人工神经网络外推核结构可观测量
核理论
2019-11-25 v2
摘要
原子核的计算常在有限模型空间中进行。因此会引入有限尺寸修正，有必要将计算所得可观测量外推至无限模型空间。本工作中，我们采用基于人工神经网络的外推方法处理基态能量和点质子半径等可观测量。我们将无核壳模型（no-core shell model）和耦合团簇计算的结果外推至非常大的模型空间并估计不确定性。在不同数据上训练网络通常得到聚集于不同值附近的外推结果。我们表明，对输入数据进行预处理并纳入输入数据间的相关性，可缓解多解问题， yielding更稳定的外推结果和一致的不确定性估计。我们对He、Li和O中的基态能量和半径进行外推，并将神经网络的预测与红外外推的结果进行比较。
引用
@article{arxiv.1905.06317,
title = {Extrapolation of nuclear structure observables with artificial neural networks},
author = {W. G. Jiang and G. Hagen and T. Papenbrock},
journal= {arXiv preprint arXiv:1905.06317},
year = {2019}
}
备注
9 pages, 8 figures, details added, accepted by Phys. Rev. C