基于蒙特卡洛丢弃贝叶斯神经网络的核电荷半径壳淬灭

电荷半径通常可用于编码有限核各种精细结构的信息。在这项工作中，提出了一种基于蒙特卡洛丢弃方法的贝叶斯神经网络，用于精确描述质子数 $Z\geq20$ 和质量数 $A\geq40$ 的原子核的电荷半径。除了包含特定质子和中子数的基本构建模块外，该组合模型还融入了更多潜在的底层机制，这些机制自然包含了配对效应、同位旋效应、与 Casten 因子 $P$ 相关的壳层闭合效应、价中子、价质子、四极形变 $\beta_{20}$、高阶十六极形变 $\beta_{40}$，以及 $^{181,183,185}$Hg 的局部形状交错效应。为了避免传统 Casten 因子在全满壳层处的失真情况，将修正的 Casten 因子 $P^{*}$ 引入到输入结构参数集中。使用修正的 Casten 因子 $P^{*}$，训练数据集的均方根偏差降至 $0.0084$ fm，验证数据集的均方根偏差降至 $0.0124$ fm。同时，核电荷半径的壳层闭合效应得到了非常好的再现。我们成功证明了该构建模型在显著提高核电荷半径预测精度方面的能力。