神经网络方法对β衰变寿命的研究

原子核的β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β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β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.