IKEBANA：一种基于神经网络的电子碰撞K壳层电离方法
原子物理
2025-06-30 v2
摘要
我们训练了一个全连接神经网络，基于两个输入特征——原子序数和入射电子过电压——对K壳层电离截面进行建模。训练利用了最近更新的实验数据汇编，涵盖从H到U的元素，入射电子能量范围从阈值到相对论性值。与现有实验数据和完整理论预测相比，该神经网络表现出优异的预测性能。所开发的模型在ikebana代码中提供，该代码是公开可用的，仅需用户选择原子序数和电子能量范围作为输入。
引用
@article{arxiv.2506.20604,
title = {IKEBANA: A Neural-Network approach for the K-shell ionization by electron impact},
author = {D. M. Mitnik and C. C. Montanari and S. Segui and S. P. Limandri and J. A. Guzmán and A. C. Carreras and J. C. Trincavelli},
journal= {arXiv preprint arXiv:2506.20604},
year = {2025}
}
备注
submitted to Journal of Applied Physics