Extrapolation to infinite model space of no-core shell model calculations using machine learning
Aleksandr Mazur, Roman Sharypov, Andrey Shirokov
神经网络的集成用于将无核心壳模型(NCSM)结果推断为光核的无限模型空间。 我们回顾了我们通过Daejeon16 NN在不同模型空间中的相互作用获得的NCSM结果的神经网络外推,以及用于核状态能量的NCSM基础参数ħΩ的不同值以及光核中质子,中子和物质分布的根均方(rms)半径。 该方法产生具有可量化不确定性的收敛预测。 地面状态能量 ^6Li, ^6He, 和未绑定 ^6Be, 以及^6Li的兴奋(3^+,0)和(0^+,1)状态,是在几百 keV 的实验中获得的。 绑定状态的外推半径收敛良好。 相比之下,在 ^6Be 和 ^6Li 不受约束状态的半径并不稳定。
An ensemble of neural networks is employed to extrapolate no-core shell model (NCSM) results to infinite model space for light nuclei. We present a review of our neural network extrapolations of the NCSM results obtained with the Daejeon16 NN interaction in different model spaces and with different values of the NCSM basis parameter ħΩ for energies of nuclear states and root-mean-square (rms) radii of proton, neutron and matter distributions in light nuclei. The method yields convergent predicti...
