Scifaro

中文

用多层神经网络委员会驯服核复杂性

核理论 2020-04-29 v2 计算物理

作者: R. -D. Lasseri , D. Regnier , J. -P. Ebran , A. Penon

在 arXiv 上查看 ↗ PDF ↗ DOI ↗

摘要

我们证明一个深度神经网络委员会能够以类似于最先进核能密度泛函（EDF）的精度并大幅加速，预测超过1800个原子核的基态与激发态能量。提出一种主动学习策略，以最少210个原子核训练该算法。此方法使得未来可快速研究EDF参数化对整个核素图上结构性质的影响，并表明人工智能首次成功编码了核形变规律。

关键词

核能密度泛函深度神经网络主动学习核形变基态能量激发态能量

引用

@article{arxiv.1910.04132,
  title  = {Taming nuclear complexity with a committee of multilayer neural networks},
  author = {R. -D. Lasseri and D. Regnier and J. -P. Ebran and A. Penon},
  journal= {arXiv preprint arXiv:1910.04132},
  year   = {2020}
}