\begin{document}$Z\geqslant 8$\end{document}\begin{document}$N\geqslant 8$\end{document})作为总数据集, 随机选取其中80%的数据为训练集用于模型训练, 通过预测余下的20%进行模型验证. 最终两个数据集的误差均方根(RMS)基本相等, 而且全部数据的RMS从2.9894 MeV降到0.5695 MeV, 下降了80%, 呈现出较好的结果. 此模型进行了输入参数上的改进(区域限定策略), 使得未知核(\begin{document}$Z = 118—126$\end{document})可以被限定在一个固定的区域内, 从而提高了预测的准确性. 为了验证这一性质, 对实验数据(\begin{document}$Z=100— 117$\end{document})进行了预测计算, 结果也与实验值符合得很好. 最后使用该方案对未知元素\begin{document}$Z = 118—126$\end{document} 进行了预测, 为以后寻找新元素提供了新思路."> - 必威体育下载

搜索

x

留言板

姓名
邮箱
手机号码
标题
留言内容
验证码

downloadPDF
引用本文:
Citation:

    娄月申, 郭文军

    Prediction of unknown nuclear stability by Bayesian deep neural network

    Lou Yue-Shen, Guo Wen-Jun
    PDF
    HTML
    导出引用
    计量
    • 文章访问数:3889
    • PDF下载量:116
    • 被引次数:0
    出版历程
    • 收稿日期:2021-12-25
    • 修回日期:2022-02-06
    • 上网日期:2022-02-15
    • 刊出日期:2022-05-20

      返回文章
      返回
        Baidu
        map