文献

J-GLOBAL ID：201902273691474967   整理番号：19A1470200

機械学習による核β崩壊半減期の予測とr過程に対するそれらの影響【JST・京大機械翻訳】

Predictions of nuclear β-decay half-lives with machine learning and their impact on r-process nucleosynthesis

著者 (8件)： Niu Z. M. (School of Physics and Materials Science, Anhui University, Hefei 230601, China) ,  Niu Z. M. (Institute of Physical Science and Information Technology, Anhui University, Hefei 230601, China) ,  Liang H. Z. (RIKEN Nishina Center, Wako 351-0198, Japan) ,  Liang H. Z. (Department of Physics, Graduate School of Science, The University of Tokyo, Tokyo 113-0033, Japan) ,  Sun B. H. (School of Physics and Nuclear Energy Engineering, Beihang University, Beijing 100191, China) ,  Long W. H. (School of Nuclear Science and Technology, Lanzhou University, Lanzhou 730000, China) ,  Niu Y. F. (School of Nuclear Science and Technology, Lanzhou University, Lanzhou 730000, China) ,  Niu Y. F. (ELI-NP, “Horia Hulubei” National Institute for Physics and Nuclear Engineering, RO-077125, Bucharest-Magurele, Romania)
資料名： Physical Review. C  (Physical Review. C)
巻： 99  号： 6  ページ： 064307  発行年： 2019年 
JST資料番号： D0747A  ISSN： 2469-9985  CODEN： PRVCAN  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 核β崩壊は,宇宙における重元素の起源を理解するための重要な過程であるが,正確さは核モデルによるβ崩壊半減期の予測に対して満足できるものではない。本研究では,β崩壊のFermi理論によって記述されたものを含めて,既知の物理学が明示的に埋め込まれたBayesニューラルネットワークに基づく機械学習によるβ崩壊半減期を正確に予測する新しい方法を提案した。今日,核モデルにおいて明確でないか,または欠落している他の潜在的物理学は,Bayesニューラルネットワークによって学習されるであろう。結果は,非常に高い精度で実験データを良く再現し,さらに,半減期予測において妥当な不確実性評価を提供した。不確実性を伴う半減期に対するこれらの正確な予測はrプロセスシミュレーションに必須である。Copyright 2019 The American Physical Society All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 原子核模型 ,  ニューラルネットワーク ,  *半減期 ,  宇宙空間 ,  不確実性 ,  *機械学習 ,  プロセスシミュレーション ,  *r過程 ,  *予測 ,  *β崩壊
準シソーラス用語： 不確実性評価 ,  重元素 , 【Automatic Indexing@JST】

分類 (1件)： ベータ崩壊  (BG03030V)

タイトルに関連する用語 (6件)： 機械学習 ,  核 ,  β崩壊 ,  半減期 ,  予測 ,  r過程