基于机器学习的核β衰变半衰期预测及其对r过程的影响

核β衰变是理解宇宙中重元素起源的关键过程，而迄今为止核模型对β衰变半衰期的预测精度远不能令人满意。在本快报中，我们开辟了一条新途径，基于贝叶斯神经网络、并显式嵌入已知物理（包括β衰变费米理论所描述的物理，以及半衰期对配对关联和衰变能量的依赖关系）来精确预测β衰变半衰期。其他在现今核模型中不清晰甚至缺失的潜在物理，将由贝叶斯神经网络学习得到。结果以很高的精度很好地再现了实验数据，并进一步给出了半衰期预测中合理的不确定性评估。这些带有不确定性的精确半衰期预测对于r过程模拟至关重要。