典型文献
贝叶斯深度神经网络对于核质量预测的研究
文献摘要：
采用贝叶斯深度神经网络对液滴模型进行优化改进,并运用KL(Kullback-Leibler)散度与变分推断的方法使得模型便于实现.以最新的原子核数据(AME2020)中2457个有精确值的原子核(Z≥8和N≥8)作为总数据集,随机选取其中80％的数据为训练集用于模型训练,通过预测余下的20％进行模型验证.最终两个数据集的误差均方根(RMS)基本相等,而且全部数据的RMS从2.9894 MeV降到0.5695 MeV,下降了80％,呈现出较好的结果.此模型进行了输入参数上的改进(区域限定策略),使得未知核(Z=118—126)可以被限定在一个固定的区域内,从而提高了预测的准确性.为了验证这一性质,对实验数据(Z=100—117)进行了预测计算,结果也与实验值符合得很好.最后使用该方案对未知元素Z=118—126进行了预测,为以后寻找新元素提供了新思路.
文献关键词：
结合能;贝叶斯深度神经网络;液滴模型;区域限定策略
中图分类号：
作者姓名：
娄月申;郭文军
作者机构：
上海理工大学物理系, 上海 200093
文献出处：
引用格式：
[1]娄月申;郭文军-.贝叶斯深度神经网络对于核质量预测的研究)[J].物理学报,2022(10):141-150
A类：
贝叶斯深度神经网络,AME2020,区域限定策略
B类：
核质,质量预测,液滴模型,优化改进,KL,Kullback,Leibler,散度,变分推断,原子核,核数据,训练集,模型训练,余下,模型验证,RMS,相等,MeV,输入参数,预测计算,新元素,结合能
AB值：
0.320912
相似文献
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。
