NuCLR: Nuclear Co-Learned Representations

要約

結合エネルギーや崩壊エネルギー、核の電荷半径など、さまざまな核観測量を予測する深層学習モデルである Nuclear Co-Learned Representations (NuCLR) を紹介します。
このモデルは、共有表現を使用したマルチタスク アプローチを使用してトレーニングされ、最先端のパフォーマンスを獲得し、核 (天体) 物理学の基本的な現象を理解するために不可欠なレベルの精度を達成します。
また、NuCLR の学習された表現が核殻モデルの重要な側面、つまりよく知られているマジックナンバーやパウリの排除原理を含む殻構造の顕著な出現を示すという興味深い発見も報告します。
これは、このモデルが基礎的な物理原理を捉えることができ、私たちのアプローチが核理論に貴重な洞察を提供する可能性があることを示唆しています。

要約(オリジナル)

We introduce Nuclear Co-Learned Representations (NuCLR), a deep learning model that predicts various nuclear observables, including binding and decay energies, and nuclear charge radii. The model is trained using a multi-task approach with shared representations and obtains state-of-the-art performance, achieving levels of precision that are crucial for understanding fundamental phenomena in nuclear (astro)physics. We also report an intriguing finding that the learned representation of NuCLR exhibits the prominent emergence of crucial aspects of the nuclear shell model, namely the shell structure, including the well-known magic numbers, and the Pauli Exclusion Principle. This suggests that the model is capable of capturing the underlying physical principles and that our approach has the potential to offer valuable insights into nuclear theory.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google