用机器学习求解氘核
核理论
2020-09-03 v2 计算物理
摘要
我们使用机器学习技术求解核两体束缚态问题——氘核。我们用一个最小的一层前馈神经网络在动量空间中表示氘核的 S 态与 D 态波函数，并利用现成的机器学习工具以变分法求解该问题。我们将结果与精确对角化解进行基准比对。我们发现，具有 6 个隐藏节点（即 24 个参数）的网络能够忠实表示基态波函数，其结合能与精确结果相差在 0.1% 以内。这一探索性的原理验证模拟或许能为未来使用变分人工神经网络技术求解核多体问题提供见解。
引用
@article{arxiv.1911.13092,
title = {Machine learning the deuteron},
author = {J. W. T. Keeble and A. Rios},
journal= {arXiv preprint arXiv:1911.13092},
year = {2020}
}
备注
8 pages, 7 figures - Final published version including extended analysis and appendices