NuCLR：核协同学习表示
核理论
2023-07-25 v2 机器学习
核实验
摘要
我们介绍了核协同学习表示(NuCLR)，一种可预测多种核观测量的深度学习模型，包括结合能、衰变能以及核电荷半径。该模型采用带有共享表示的多任务方法进行训练，取得了最先进的性能，达到了对理解核(天体)物理中基本现象至关重要的精度水平。我们还报告了一个引人注目的发现：NuCLR 学习到的表示中显著涌现了核壳模型的关键方面，即壳层结构(包括著名的幻数)与泡利不相容原理。这表明该模型能够捕捉潜在的物理原理，且我们的方法有望为核理论提供有价值的见解。
引用
@article{arxiv.2306.06099,
title = {NuCLR: Nuclear Co-Learned Representations},
author = {Ouail Kitouni and Niklas Nolte and Sokratis Trifinopoulos and Subhash Kantamneni and Mike Williams},
journal= {arXiv preprint arXiv:2306.06099},
year = {2023}
}
备注
7 pages, 5 figures. Accepted after peer review at the ICML 2023 1st workshop on Synergy of Scientific and Machine Learning Modeling (SynS & ML)