本科生马云飞在Physical Review C发表机器学习方法探究原子核半径科研成果
发布人:汤斌飞  发布时间:2020-03-10   浏览次数:10

近日,我校理学院2016级应用物理学专业本科生马云飞的科研成果《基于贝叶斯机器学习预测原子核电荷半径》Predictions of nuclear charge radii and physical interpretations based on the naive Bayesian probability classifier)在《Physical Review C》在线发表。

该研究成果第一作者是马云飞,通讯作者为理学院老师刘健,中国石油大学(华东)为第一署名单位。该工作获得了理学院应用物理系和教务处大学生创新创业训练项目的大力支持。

原子核的电荷半径是描述原子核性质最基本的物理量之一。核电荷半径的研究可以给出原子核库仑能,核力基本性质以及原子核结构等方面的信息;对核天体物理以及核技术应用的研究也有重要意义。目前不同的原子核理论模型给出的核电荷半径理论值和实验值都存在一定的差别。马云飞同学通过贝叶斯机器学习的方法分析了模型计算结果和实验测量值的残差,通过对已有实验数据的训练,预测理论模型对不同原子核电荷半径描述的残差,修正现有的理论模型,论文的研究结果可以用来预测未知的原子核电荷半径。

Physical Review C》是美国物理学会旗下重要期刊之一,近三年平均影响因子3.419,在中科院期刊分区中属物理学二区期刊,在核物理学领域属国际顶级杂志。

理学院一直高度重视本科生综合能力的培养,将本科生导师制和学院教师科研团队有机结合,鼓励和支持本科生参与相关教师的课题研究,让学生切实感受科研的魅力,同时增强学生的科研能力,把专业培养和学科发展最终结合起来。刘健老师所在原子核物理团队近年来取得了较快发展,刘健老师和其学生在核物理领域《Physical Review C》、《Journal of Physics G》、《Chinese Physics C》等SCI二区期刊发表一作论文十余篇。

论文链接:https://journals.aps.org/prc/abstract/10.1103/PhysRevC.101.014304

(理学院 刘超卓)