从复杂到清晰：Kolmogorov-Arnold 网络在核结合能预测中的应用
核理论
2025-02-10 v2
摘要
本研究探索了 Kolmogorov-Arnold 网络（KANs）在预测核结合能方面的应用，利用其将复杂的多参数系统分解为更简单的单变量函数的能力。通过使用来自原子质量评估（AME2020）的数据，并结合原子序数、中子数以及壳效应等特征，KANs 实现了显著较低的均方根误差（0.26 MeV），超越了传统模型。符号回归分析得出了结合能的简化解析表达式，与液滴模型和 Bethe-Weizsäcker 公式等经典模型相符。这些结果凸显了 KANs 在增强核现象可解释性和理解方面的潜力，为未来在核物理及其他领域的应用铺平了道路。
引用
@article{arxiv.2407.20737,
title = {From Complexity to Clarity: Kolmogorov-Arnold Networks in Nuclear Binding Energy Prediction},
author = {Hao Liu and Jin Lei and Zhongzhou Ren},
journal= {arXiv preprint arXiv:2407.20737},
year = {2025}
}
备注
accepted by Phys. Rev. C