如需要完整文档点击下方 "点击下载文档" 按钮

采用贝叶斯深度神经网络对液滴模型进行优化改进, 并运用KL (Kullback-Leibler)散度与变分推断的方法使得模型便于实现. 以最新的原子核数据(AME2020)中2457个有精确值的原子核(\begin{document}$Z\geqslant 8$\end{document} 和 \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.

如需要完整文档点击下方 "点击下载文档" 按钮

《贝叶斯深度神经网络对于核质量预测的研究》

将 完整文档 下载到本地，方便收藏和查阅

文件号：296837

点击下载文档