神经网络方法对$\beta$衰变寿命的研究
Abstract
原子核的$\beta$衰变寿命决定了天体快中子俘获核合成过程(r-过程)的时间标度, 其精确描述对r-过程研究十分重要. 本文利用机器学习方法, 通过构建三种不同的神经网络, 给出了整个核素图上原子核$\beta$衰变寿命的预测及其误差, 研究了神经网络输入量、神经元个数和激活函数的选取对预测结果的影响. 与基于有限程小液滴模型的无规相位近似理论(FRDM+QRPA)相比, 对原子核$\beta$衰变寿命的描述精度提升了约2.6倍, 与实验的均方根偏差达到了$10^{~{0.43}}$; 对于寿命小于1 s的原子核, 精度达到了$10^{0.22}$, 这将对r-过程模拟研究产生重要的影响.
