基于核脊回归方法预测的中子俘获率在s-过程模拟中的应用

慢中子俘获过程(s-过程)产生了自然界中约一半比Fe重的元素,中子俘获率是s-过程研究的关键核物理输入量。近年来,机器学习方法在核物理研究中的应用取得了很大的成功,其中包括了机器学习核脊回归方法对中子俘获率的研究。为了探究机器学习方法对中子俘获率的修正对s-过程研究的影响,本文分别利用修正前后的中子俘获率数据,基于核反应网络进行了s-过程模拟,并对所得s-过程丰度进行了对比分析。结果表明,机器学习对中子俘获率的修正对s-过程模拟所得的丰度分布整体影响较小,但对处于s-过程路径上的个别重要核素的丰度影响可达30%左右。