利用GLDM-BNN混合模型计算新型超重核的-衰变半衰期

《Physical Review C》：Calculation of -decay half-lives for new superheavy nuclei with with the GLDM-BNN hybrid model

　　

本研究将广义液滴模型（GLDM）与贝叶斯神经网络（BNN）相结合，系统地研究了超重核区域的α衰变半衰期。通过训练BNN学习理论计算结果与实验数据之间的残差与输入特征参数之间的非线性关系，对GLDM的计算结果进行了优化。采用GLDM-BNN模型后，所有核素的α衰变半衰期的标准偏差从1.107降至0.480，相对差异达56.6%，表明BNN有效地捕捉到了隐含的物理信息。此外，还采用最大信息系数（MIC）分析了各输入特征与α衰变半衰期之间的相关性。其中，α衰变能的MIC值最高，为0.490，突显了其在决定α衰变半衰期中的主导作用。最后，利用GLDM-BNN预测了原子序数Z=113–118的实验合成新超重核的α衰变半衰期。预测结果为N=184是N=126之后的下一个中子幻数提供了强有力的支持证据。