原子核质量包含丰富的核结构信息,是原子核的基本物理性质之一.本文采用前馈神经网络和贝叶斯神经网络方法研究原子核质量,通过在网络输入层引入与原子核对效应和壳效应相关的两个物理量,在网络输出层考虑现有核模型的质量预言,即学习原子核质量实验值与核模型预言值之差,大幅提高了核模型的质量预言精确度.相比前馈神经网络中常用的优化算法,贝叶斯方法在优化神经网络参数方面具有较大优势,显著改进了神经网络对原子核质量预言中对效应和壳效应的描述.
科研之友
微信
新浪微博
Facebook
分享链接
