神经网络方法在核质量中的应用

作者：李佳星; 赵天亮; 马娜娜; 明星宸; 张鸿飞^*

来源：原子能科学技术, 2023, 57(04): 696-703.

• 神经网络方法
• 质量模型
• 分离能
• 结合能
• 超重核

基于两个具有代表性的宏观微观模型——有限程液滴模型(FRDM)和Weizs?cker-Skyrme模型(WS4),本文利用人工神经网络方法对模型所给出的数据进行了优化。加入神经网络方法后，FRDM所给出的结合能数据与2 095个实验数据之间的均方根偏差从0.579 MeV降到0.354 MeV,WS4所给出的结合能数据与2 095个实验数据之间的均方根偏差从0.292 MeV降到0.210 MeV。本文基于优化后的数据计算了Z=82同位素链的单中子分离能，FRDM和WS4单中子分离能的均方根偏差分别为39.9 keV和40.8 keV。此外，本文结合原始模型所给出的结合能数据，利用神经网络方法将数据进行了外推，FRDM和WS4在超重核区单中子分离能的均方根偏差分别为40.1 keV和188.1 keV。本文预测了新元素Z=119和Z=120同位素链的中子分离能，结果可为新元素合成的理论研究提供数据参考。

• 单位
  物理学院; 西安交通大学; 兰州大学