通过神经网络提炼核结合的基本要素
摘要：使用一种无π的有效场论哈密顿量，我们计算了具有最多20个核子的原子核的基态性质。使用基于一种新的，高度表达能力的神经网络量子态假设的变分蒙特卡罗方法来以可逐步改进的方式解决多体薛定谔方程。除了结合能和电荷半径外，我们还准确地评估了这些原子核的磁矩，因为它们揭示了壳层结构的自我出现，这不是先验地编码在神经网络假设中的。为了达到这个目的，我们引入了一种新的计算协议，基于向核哈密顿量添加外部磁场，它允许神经网络学习给定磁场下核的优选极化。
作者：A. Gnech, B. Fore, and A. Lovato
论文ID：2308.16266
分类：Nuclear Theory
分类简称：nucl-th
提交时间：2023-09-01