期刊文献+
共找到2篇文章
< 1 >
每页显示 20 50 100
利用机器学习预测重核和超重核的α衰变能
1
作者 袁子懿 任中洲 +1 位作者 柏栋 王震 《原子能科学技术》 EI CAS CSCD 北大核心 2023年第4期713-720,共8页
α衰变对重核和超重核的鉴别和研究有重要意义。近年来,机器学习广泛应用于各种核物理问题研究。为进一步探索机器学习在核物理问题研究中的适用性,本文采用机器学习中的高斯过程对重核和超重核的α衰变能进行了研究。首先,在高斯过程... α衰变对重核和超重核的鉴别和研究有重要意义。近年来,机器学习广泛应用于各种核物理问题研究。为进一步探索机器学习在核物理问题研究中的适用性,本文采用机器学习中的高斯过程对重核和超重核的α衰变能进行了研究。首先,在高斯过程的框架下计算了新核素207Th的α衰变能,计算得到的理论α衰变能与实验结果符合较好,结合较好的交叉验证结果可知,利用高斯过程研究重核和超重核α衰变能的可靠性较好。然后,利用高斯过程预测了89≤Z≤118的一些重核和超重核未知的α衰变能,并将该预测结果与传统模型的预测结果进行了比较,二者符合较好。综上所述,这些预测的α衰变能可为未来重核和超重核的实验研究提供较准确的理论参考。 展开更多
关键词 Α衰变 机器学习 高斯过程 重核和超重核
下载PDF
推广的液滴模型及其应用 被引量:9
2
作者 张海飞 包小军 +3 位作者 王佳眉 黄银 李君清 张鸿飞 《原子核物理评论》 CAS CSCD 北大核心 2013年第3期241-259,共19页
简单介绍了近年来在研究重核和超重核衰变性质及熔合反应方面取得的理论成果和面临的挑战,着重阐述推广的液滴模型(GLDM)理论框架及其应用。基于原子核的质量数、质子数以及反应Q值,GLDM考虑了质量和电荷的不对称性、形状演化、亲近势... 简单介绍了近年来在研究重核和超重核衰变性质及熔合反应方面取得的理论成果和面临的挑战,着重阐述推广的液滴模型(GLDM)理论框架及其应用。基于原子核的质量数、质子数以及反应Q值,GLDM考虑了质量和电荷的不对称性、形状演化、亲近势和温度等,很好地描述了重核和超重核的质子放射性、α衰变、重离子放射性、自发裂变的半衰期和重离子熔合反应截面,同时也研究了原子核的粒子(质子、α、重离子)放射性与自发裂变的竞争。 展开更多
关键词 重核和超重核 推广的液滴模型 粒子放射性 自发裂变 熔合反应
原文传递
上一页 1 下一页 到第
使用帮助 返回顶部