NuCLR uči zajedničke obrasce nuklearne strukture iz radijusa i kolektivnosti
Istraživači koriste multi-task model NuCLR kako bi povezali radijuse naelektrisanja i električne kvadrupolne prelaze kroz veliki deo karte nuklida i procenili gde novi podaci nose najviše nove informacije.
Zajednička reprezentacija više nuklearnih opservabli
Rad polazi od toga da je niskoenergetska nuklearna struktura zapisana kroz širok skup eksperimentalnih podataka rasutih duž karte nuklida i pokušava da nauči kako je ta informacija organizovana između različitih opservabli i jezgara.
Autori razvijaju held-out ansamble zasnovane na NuCLR modelu, odnosno Nuclear Co-Learned Representations, da bi zajednički proučavali radijuse naelektrisanja i jačine električnih kvadrupolnih prelaza.
Zajedničko učenje poboljšava rezultate
Out-of-fold validacija pokazuje da zajednička reprezentacija nadmašuje single-task učenje, sa RMS odstupanjem radijusa naelektrisanja od 0,0147 fm i B(E2) RMS odstupanjem od 0,192 e²b² kroz stotine nuklida.
Autori navode da su ti rezultati konkurentni savremenim nuklearnim modelima, dok istovremeno daju jedinstven data-driven pogled na više opservabli.
Gde bi novi eksperimenti najviše vredeli
Procene greške koriste se da prikažu očekivanu tačnost predikcije kroz nuklearnu kartu i da istaknu regione u kojima bi novi eksperimenti doneli informacije koje prevazilaze već naučene obrasce.
NuCLR je zato predstavljen kao data-driven preglednik nuklearne strukture i korak ka zajedničkom multi-observable foundation modelu karte nuklida.
Izvori
Prikazani su izvorni linkovi korišćeni za proveru objavljenih činjenica.
Komentari
Komentari se objavljuju nakon moderacije.
Još nema objavljenih komentara.