文献类型：期刊文章

作　　者：高泽鹏[1,2] 李庆峰[1,3]

GAO Zepeng;LI Qingfeng(School of Science,Huzhou University,Huzhou 313000,China;Sino-French Institute of Nuclear Engineering and Technology,Sun Yat-sen University,Zhuhai 519082,China;Institute of Modern Physics,Chinese Academy of Sciences,Lanzhou 730000,China)

机构地区：[1]湖州师范学院理学院,湖州313000 [2]中山大学中法核工程与技术学院,珠海519082 [3]中国科学院近代物理研究所,兰州730000

出　　处：《核技术》

基　　金：国家自然科学基金(No.11875125,No.12147219);国家重点研发计划(No.2020YFE0202002)资助。

年　　份：2023

卷　　号：46

期　　号：8

起止页码：88-95

语　　种：中文

收录情况：BDHX、BDHX2020、CAS、CSCD、CSCD2023_2024、DOAJ、EAPJ、IC、JST、RCCSE、SCOPUS、ZGKJHX、核心刊

摘　　要：机器学习能够从大量复杂的数据中挖掘其内在的关联,近些年被广泛应用在科学研究中。本文分别评估了两类机器学习算法在修正核质量、重构重离子反应碰撞参数以及提取对称能斜率系数等热点问题上的表现,并讨论了机器学习模型的外推能力和泛化能力。结果表明:机器学习方法在三个核物理问题的研究中均体现出强大的能力。将机器学习方法应用于核物理问题的研究中可以进一步探索新物理,从而更好地推动理论和实验的发展。

关 键 词：机器学习  原子核质量  碰撞参数  对称能

分 类 号：TP181] O571.6]