概要: 陽子数が Z q 8 の原子核について、核電荷密度分布を正確に予測するための深層ニューラルネットワーク（DNN）が開発された。核構造に関する本質的な特徴を取り入れることで、本モデルは従来の手法に比べて予測精度を大幅に向上させる。電荷密度分布はフーリエ・ベッセル（FB）級数展開を用いて解析され、DNNは相対論的連続体ハートリー・ボゴリューボフ（RCHB）理論の計算から導出した包括的なデータセットで学習される。本モデルは顕著な性能を示し、訓練セットおよび検証セットにおける電荷半径の二乗平均平方根偏差は、それぞれ 0.0123 fm と 0.0198 fm であり、元のRCHB計算の精度を驚くほど上回っている。核物理研究を前進させるだけでなく、この高精度モデルは原子物理学、核天体物理学、および関連分野の応用において重要なデータを提供する。
Z≧8の原子核における電荷密度分布の予測
arXiv cs.LG / 2026/4/17
💬 オピニオンIdeas & Deep AnalysisModels & Research
要点
- Z≥8の原子核について、深層ニューラルネットワーク（DNN）が電荷密度分布を高精度に予測できることが報告された。
- 電荷密度はフーリエ・ベッセル（FB）級数展開で表し、モデルは相対論的連続体ハートリー・ボゴリューボフ（RCHB）理論計算から作成した大規模データセットで学習されている。
- トレーニングセットで0.0123 fm、検証セットで0.0198 fmという電荷半径のRMS誤差を達成し、従来手法や元のRCHB計算の精度を大きく上回る性能が示された。
- 得られた高精度な予測データは、原子核物理の研究に加えて、原子物理や核天文学などの応用にとって重要な基盤になると位置づけられている。
- 高価なRCHB計算の一部を、精度を保ちつつMLサロゲートで置き換える可能性を示す内容だ。
