核質量とα崩壊半減期に関する深層学習【JST・京大機械翻訳】

Li Chen-Qi; Tong Chao-Nan; Du Hong-Jing; Pang Long-Gang

プレプリント

J-GLOBAL ID：202202200546231015 整理番号：22P0294509

核質量とα崩壊半減期に関する深層学習【JST・京大機械翻訳】

Deep learning on nuclear mass and $\alpha$ decay half-lives

出版者サイト {{ this.onShowPLink() }} 複写サービスで全文入手
高度な検索・分析はJDreamⅢで

この文献はプレプリントです。プレプリントについてはこちらをご確認ください。

著者 (4件)： , , ,
資料名：
発行年： 2022年02月23日プレプリントサーバーでの情報更新日： 2022年06月09日
JST資料番号： O7000B 資料種別：プレプリント
記事区分：プレプリント発行国：アメリカ合衆国 (USA) 言語：英語 (EN)

※このプレプリント論文は学術誌に掲載済みです。なお、学術誌掲載の際には一部内容が変更されている可能性があります。

陽子数(N)と中性子数(Z)が成長するので,核質量,結合エネルギー,およびα崩壊半減期のab-initio計算は,多くの体量子シミュレーションにおける次元の cのため,重核に対して難治性である。核質量とα崩壊半減期を予測するために,深層ニューラルネットワーク(DNN)の強力な非線形変換と特徴表現能力を利用した。核結合エネルギー予測問題に対して,2149核の10倍交差検証で標準偏差σ=0.263MeVを達成した。質量回帰DNNの隠れ層からの核の高次元表現であるWordベクトルは,α崩壊半減期を計算するのに役立つ。この課題に対して,log_10T_1/2上の350核と486核上のσ=0.731の100倍10倍交差検証でσ=0.797を得た。また,シェル構造,マジック数,および有限範囲Dropletモデルによって触発された拡張入力のような物理的アプリオリも,この小さなデータ回帰タスクにとって重要である。【JST・京大機械翻訳】

, , , , , , , , ,
, , , , , 【Automatic Indexing@JST】

強い相互作用の模型 , 原子核の一般的性質 , アルファ崩壊

, , ,

前のページに戻る