分子碰撞激发速率系数：来自人工神经网络的估计
天体物理仪器与方法
2014-11-20 v1 星系天体物理
摘要
本文研究了人工神经网络（ANN）作为估计分子碰撞激发速率系数工具的潜力。可以通过在已知速率系数的碰撞诱导跃迁数据集上测试该工具来评估其性能：网络在该数据集的子集上进行训练，并在其余部分上进行测试。对于低激发速率的跃迁，该方法获得的结果精度通常在约 2.1 倍（中值）以内，对于中等或高激发速率的跃迁则在约 1.7 倍以内，尽管有 4% 的 ANN 输出偏差超过 10 倍。结果表明，ANN 在将碰撞速率系数数据集外推以包含尚未计算的高位跃迁方面将具有重要价值。对于本文考虑的不对称陀螺分子，有利的架构是一种级联相关网络，它在训练过程中创建 16 个隐藏神经元，具有 3 个输入神经元用于表征跃迁的性质，以及一个输出神经元用于提供速率系数的对数。
引用
@article{arxiv.0911.2652,
title = {Rate Coefficients for the Collisional Excitation of Molecules: Estimates from an Artificial Neural Network},
author = {David A. Neufeld},
journal= {arXiv preprint arXiv:0911.2652},
year = {2014}
}
备注
23 pages including 9 figures. Accepted for publication in ApJ