多任务神经网络对原子核低激发谱的研究

作者：王逸夫; 牛中明^*

来源：原子核物理评论, 2022, 39(03): 273-280.

• BP神经网络
• 原子核低激发谱
• 原子核壳效应

原子核低激发谱对深入理解原子核结构具有重要作用。采用多任务反向传播(Back Propagation,BP)的神经网络方法系统研究了原子核2 1+和4 1+的激发能量。除了质子数和中子数外，通过在网络输入层增加一个有关原子核集体性的物理量，BP神经网络在0.1 MeV到数MeV的能量范围内很好地拟合了原子核的低激发能。相比五维集体哈密顿量(Five-Dimensional Collective Hamiltonian,5DCH)方法，BP神经网络更好地再现了原子核低激发能的同位素趋势，以及由壳效应导致的幻数原子核低激发能的突然增大，并且将2 1+和41+激发能的预言精度分别提高了约80%和75%，该预言精度与单任务神经网络基本一致，但是改进了对轻核区与缺中子核区低激发谱的学习能力，这说明多任务神经网络可以实现多种激发能量的统一精确计算。