机器学习方法研究原子核的电荷半径

原子核的电荷半径是表征其电荷分布范围的物理量,对理解原子核这个复杂的量子多体系统内部核子间的相互作用发挥着重要的作用。但传统的物理模型对原子核电荷半径的描述还难以令人满意,特别是对于像钙同位素链所表现出的强烈的奇偶效应类现象。近些年来,随着机器学习方法在物理学领域的广泛应用,已有多种机器学习模型用于研究原子核电荷半径,这使得原子核电荷半径的计算精度得到大幅提升。本文综述了近年来包括贝叶斯概率分类器、核岭回归模型、人工神经网络以及贝叶斯神经网络在内的机器学习方法在原子核电荷半径研究中应用的最新进展,对比了不同机器学习方法、不同训练集与不同输入对机器学习预测原子核电荷半径结果的影响,并对机器学习在原子核物理中的进一步应用进行了展望。

新一代高精度核力–相对论手征核力的现状与展望

理解自由空间和介质中的核子-核子相互作用(核力)一直是核物理研究的重要课题,也是全球核科学大装置(例如HIAF和FRIB)的重要科学目标。基于核子自由度和微观核力,从第一性原理出发理解核结构、核反应以及致密星体的性质一直是核物理学家孜孜以求的目标。由诺贝尔物理学奖得主温伯格于20世纪90年代初首次提出,经过全球众多科学家共同努力,发展而来的温伯格手征核力已经成为第一性原理计算事实上的标准输入。然而,与原子分子物理以及化学等学科不同,相对论第一性原理方法在核物理中的应用才刚刚起步。制约其发展的一个重要因素是缺少现代的相对论核子-核子相互作用。为了推动相对论第一性原理核物理研究,更好地理解强相互作用力的本质,弥补温伯格手征核力的一些固有缺陷,北航课题组同合作者一道构建了第一个高精度相对论手征核力。本工作将简要介绍温伯格手征核力的发展脉络及现状,指出其本身存在的不足。本工作还将介绍相对论手征核力的理论框架,展示其对核子散射相移以及微分散射截面等可观测量的描述,讨论其相对于温伯格手征核力的优势,最后展望其未来的应用和进一步发展。