基于改进型贝叶斯分类器预测原子核电荷半径

近年来,机器学习方法(如神经网络、高斯过程等)被广泛用于描述原子核性质.本文基于改进型贝叶斯分类器(iNBP)方法,研究原子核电荷半径R_(C).已有的理论模型给出了电荷半径的全局变化规律,通过iNBP方法,分析数据集中R_(C)的理论结果和实验值的差异,对核结构模型的计算结果进行有效的修正.通过进一步讨论iNBP方法的全局优化能力和外推能力,表明iNBP方法能够用来预测未知原子核的电荷半径.