您当前的位置: > 详细浏览

基于连续型贝叶斯概率估计器预测原子核质量

请选择邀稿期刊:
摘要: 近年来,机器学习方法被广泛应用于对原子核质量的预测中。基于连续型贝叶斯概率(CBP)估计器,结合贝叶斯模型平均(BMA)改进了理论模型对核质量的描述。在CBP方法中,核质量理论值与实验值的差异被视为连续变量,通过核密度估计生成其先验和条件概率密度函数,并以贝叶斯定理确定后验概率密度函数。在全局优化和外推分析中,CBP方法显著提升了理论模型预测的精确度。此外,BMA方法基于各模型对基准核的预测表现为每个模型分配权重,平衡了各模型在不同区域的优势。通过预测Ca同位素双中子滴线位置,评估了BMA方法修正结果的可靠性。CBP方法结合BMA方法为预测未知区域的核质量提供了一种有效途径,并可应用于对其他核性质的研究。

版本历史

[V2] 2025-04-08 14:55:50 ChinaXiv:202504.00150V2 下载全文
点击下载全文
预览
许可声明
metrics指标
  •  点击量728
  •  下载量113
评论
分享
申请专家评阅