基于机器学习的超重核核子 $\alpha$-衰变能与半衰期高精度模型
核理论
2026-03-12 v4
摘要
本文基于经由贝叶斯超参数调优优化的极端梯度提升（XGBoost）框架，研究了超重核子的-衰变能与半衰期。通过纳入关键核结构特征——包括质量数、质子至中子比、魔数接近程度以及角动量传递——该优化模型捕捉了支配-衰变的本质物理机制。在测试集上，该模型相较于经验模型如Royer和Budaca，在均方绝对误差（MAE）和均方根误差（RMSE）上显著降低，尤其在低能区表现更佳。SHApley Additivity exPlanations（SHAP）分析确认，这些机制主要由衰变能、角动量势垒和壳层效应主导。该工作建立了一个在物理上一致的数据驱动工具，用于核属性预测，并从机器学习视角为-衰变过程提供了宝贵的洞见。
关键词
引用
@article{arxiv.2508.03155,
title = {Machine Learning-Driven High-Precision Model for $\alpha$-Decay Energy and Half-Life Prediction of superheavy nuclei},
author = {Qingning Yuan and Panpan Qi and Xuanpen Xiao and Xue Wang and Juan He and Guimei Long and Zhengwei Duan and Yangyan Dai and Runchao Yan and Gongming Yu and Haitao Yang},
journal= {arXiv preprint arXiv:2508.03155},
year = {2026}
}
备注
21 pages, 8 tables, 4 figures