利用反馈神经网络预测核电荷密度分布
核理论
2024-04-17 v1
摘要
核电荷密度分布在核物理和原子物理中起着重要作用。作为获取电荷密度分布最常用的模型之一，双参数费米（2pF）模型已广泛应用于核物理和原子物理。目前，前馈神经网络已被用于研究86个原子核的可用2pF模型参数，并且发现通过将A^{1/3}引入神经网络的输入参数，参数学习效果的准确性和精度得到提高。此外，多次预测的平均结果比单次预测的最佳结果更可靠，并且对于平均电荷密度分布，密度值的平均值与参数值的平均值之间没有显著差异。另外，本工作还预测了284个（近）稳定原子核的2pF参数，为实验提供了参考。
引用
@article{arxiv.2404.10585,
title = {Prediction of Nuclear Charge Density Distribution with Feedback Neural Network},
author = {Tian-Shuai Shang and Jian Li and Zhong-Ming Niu},
journal= {arXiv preprint arXiv:2404.10585},
year = {2024}
}
备注
11 pages, 8 figures