论文信息：

Prediction of nuclear charge density distribution with feedback neural network

Tian-Shuai Shang, Jian Li, Zhong-Ming Niu

Nuclear Science and Techniques Vol.33, Issue 12, Article number:153 (2022)

DOI：10.1007/s41365-022-01140-9

文章亮点

核电荷密度分布在核物理和原子物理中都起着重要作用。前馈神经网络已用于研究86个核的双参数费米（2pF）模型参数，将A1/3引入神经网络的输入参数，提高参数学习效果的准确性和精度。多个预测的平均结果比单个预测的更可靠，密度的平均结果与平均电荷密度分布的参数值之间没有显著差异。该研究还预测了284个（近）稳定核的2pF参数，对实验有参考价值。

有四个输入变量的神经网络图，2个输出变量，2个隐藏层(每个隐藏层中5个神经元H=5)。还有四个输入变量和两个输出变量

详情链接：http://www.nst.sinap.ac.cn/thesis/112/33024788/zh/

转自：“学术猫”微信公众号

如有侵权，请联系本站删除！