基于神经网络模型的原子核基态自旋分布的随机相互作用研究

利用神经网络模型学习、模拟随机两体系综(TBRE)下的原子核基态自旋分布,并对学习后的模型输入特征进行了分析。这是核物理中利用神经网络模型进行分类的典型应用。研究表明,采用本工作的单隐藏层神经网络模型,精确地描述每个随机相互作用系综内的样本仍比较困难。然而,神经网络模型却能够相对较好地描述基态自旋的统计性质,这可能是因为神经网络模型学习到了TBRE中基态自旋分布的经验规律。