机器学习轻型超核
摘要：使用前馈式人工神经网络，对轻型超核$^3_\Lambda$H，$^4_\Lambda$H和$^4_\Lambda$He的基态能量$B_\Lambda$进行预测。我们使用由手征核子-核子，核子-核子-核子和超子-核子相互作用得出的计算机可访问的谐振子基空间中的从头计算的无核外壳模型计算结果进行训练。通过扩大输入数据集的大小并在神经网络的训练过程中引入高斯噪声来避免过度拟合问题。我们发现，具有8个神经元的单隐藏层网络足以将$B_\Lambda$的值正确外推到$N_{\text{max}}=100$的模型空间。我们的结果与实验数据在$^3_\Lambda$H和$^4_\Lambda$He的$0^+$态一致，但与实验数据相比，$^4_\Lambda$H的$0^+$和$1^+$态以及$^4_\Lambda$He的$1^+$态偏离实验数据约0.3MeV。我们发现，我们的结果与其他无核外壳模型计算外推方案得到的结果非常一致，说明神经网络是将超核无核外壳模型计算结果外推到大模型空间的可靠方法。
作者：Isaac Vidana
论文ID：2203.11792
分类：Nuclear Theory
分类简称：nucl-th
提交时间：2023-03-22