优化神经网络模型精确预测及同位素链的质子分离能
Exactly Predicting the Proton Separation Energy of Lu and Re Chain via Optimized Neural Network Models
-
作者：
张时声
1
曾林兴
1
-
作者单位：
- 通讯作者：
张时声
Email:zss76@buaa.edu.cn
-
提交时间：2025-07-21 14:58:40
摘要: 原子核质量在核结构和核天体物理中起到重要作用。对于远离稳定线的奇特核，由质量得到的几百keV的分离能差别可能引起半衰期至少三个数量级差异。目前，$^{149}$Lu是实验上可探测到的最短寿命的质子发射核；其周围未被探测核素的分离能将影响核合成路径。为此，我们采用人工神经网络(Artificial Neural Network, ANN)和贝叶斯神经网络(Bayesian Neural Network, BNN)用于约束质子分离能，实践表明两种方法分别存在过拟合和精度的问题。为提高精度和缓解过拟合问题，我们基于BNN模型，同时考虑标签值不确定度及模型的统计误差，发展了BNN-Beihang (BH)模型。该模型预测的$^{148-151}$Lu、$^{160,161}$Re质子分离能不确定度首次达到 100 keV以下，这些结果将有效约束镥及铼同位素链质子发射核的寿命。
版本历史
| [V1] |
2025-07-21 14:58:40 |
ChinaXiv:202508.00060V1
|
下载全文 |
相关信息
待评议
点击量
下载量
