基于核脊回归方法预测的中子俘获率在s-过程模拟中的应用

作者：黄天行; 吴鑫辉^*

来源：原子能科学技术, 2023, 57(04): 743-750.

• s-过程
• 中子俘获率
• 机器学习
• 核脊回归方法

慢中子俘获过程(s-过程)产生了自然界中约一半比Fe重的元素，中子俘获率是s-过程研究的关键核物理输入量。近年来，机器学习方法在核物理研究中的应用取得了很大的成功，其中包括了机器学习核脊回归方法对中子俘获率的研究。为了探究机器学习方法对中子俘获率的修正对s-过程研究的影响，本文分别利用修正前后的中子俘获率数据，基于核反应网络进行了s-过程模拟，并对所得s-过程丰度进行了对比分析。结果表明，机器学习对中子俘获率的修正对s-过程模拟所得的丰度分布整体影响较小，但对处于s-过程路径上的个别重要核素的丰度影响可达30%左右。