基于Kohn-Sham方案的神经网络用于核系统
摘要：基于Kohn-Sham方案的多任务神经网络用于核壳层演化的监督学习。训练集由320个核的单粒子波函数和占据概率组成，这些波函数和概率是通过Skyrme密度泛函理论计算得到的。发现所推断的密度分布、动量分布和电荷半径与未训练核的基准结果在很好地一致。特别是，在完成壳层演化后，核密度的外推能力显著提高。经过进一步的电荷半径校准后，网络具有更强的预测能力。这为通过结合核复杂系统的实验数据推断观测量之间的相关性开辟了可能性。
作者：Zu-Xing Yang, Xiao-Hua Fan, Zhi-Pan Li, and Haozhao Liang
论文ID：2212.02093
分类：Nuclear Theory
分类简称：nucl-th
提交时间：2023-05-10