典型文献
多任务神经网络对原子核低激发谱的研究
文献摘要：
原子核低激发谱对深入理解原子核结构具有重要作用.采用多任务反向传播(BackPropagation,BP)的神经网络方法系统研究了原子核2+1和4+1的激发能量.除了质子数和中子数外,通过在网络输入层增加一个有关原子核集体性的物理量,BP神经网络在0.1 MeV到数MeV的能量范围内很好地拟合了原子核的低激发能.相比五维集体哈密顿量(Five-Dimensional Collective Hamiltonian,5DCH)方法,BP神经网络更好地再现了原子核低激发能的同位素趋势,以及由壳效应导致的幻数原子核低激发能的突然增大,并且将2+1和4+1激发能的预言精度分别提高了约80％和75％,该预言精度与单任务神经网络基本一致,但是改进了对轻核区与缺中子核区低激发谱的学习能力,这说明多任务神经网络可以实现多种激发能量的统一精确计算.
文献关键词：
BP神经网络;原子核低激发谱;原子核壳效应
中图分类号：
作者姓名：
王逸夫;牛中明
作者机构：
安徽大学物理与光电工程学院,合肥 230601
文献出处：
引用格式：
[1]王逸夫;牛中明-.多任务神经网络对原子核低激发谱的研究)[J].原子核物理评论,2022(03):273-280
A类：
原子核低激发谱,BackPropagation,5DCH,壳效应,幻数,原子核壳效应
B类：
多任务神经网络,原子核结构,反向传播,神经网络方法,法系,2+1,4+1,质子,中子,输入层,关原,核集,集体性,物理量,MeV,五维,哈密顿量,Five,Dimensional,Collective,Hamiltonian,同位素,预言,单任务,核区
AB值：
0.259876
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
