《原子核物理评论》征稿简则

<正>(2014年修订)1.本刊贯彻"百花齐放,百家争鸣"的方针,报道原子核物理基础研究及其应用研究以及与此有关的交叉学科研究领域的最新重要研究成果和发展趋势,促进本学科及相关交叉学科的发展,增进国内外学术交流。主要刊登反映本学科及相关各交叉学科领域最新进展的评述性文章,同时及时发表最新重要研究成果的学术论文。栏目有核物理、加速器(物理与技术)、核技术、交叉学科、核能与     

《原子核物理评论》征稿简则

本刊贯彻“百花齐放,百家争鸣”的方针,报道原子核物理基础研究及其应用研究以及与此有关的交叉学科研究领域的最新重要研究成果和发展趋势,促进本学科及相关交叉学科的发展,增进国内外学术交流。主要刊登反映本学科及相关各交叉学科领域最新进展的评述性文章,同时及时发表最新重要研究成果的学术论文。栏目有：核物理、加速器（物理与技术）、核技术、交叉学科、核能与核数据库及不定期“快报”栏目等。其中“快报”栏目将以最快速度发表最新的重要科研成果。本刊接收中、英文稿件,混合排版。     

多任务神经网络对原子核低激发谱的研究

原子核低激发谱对深入理解原子核结构具有重要作用。采用多任务反向传播(Back Propagation,BP)的神经网络方法系统研究了原子核2 ₁⁺和4 ₁⁺的激发能量。除了质子数和中子数外,通过在网络输入层增加一个有关原子核集体性的物理量,BP神经网络在0.1 MeV到数MeV的能量范围内很好地拟合了原子核的低激发能。相比五维集体哈密顿量(Five-Dimensional Collective Hamiltonian,5DCH)方法,BP神经网络更好地再现了原子核低激发能的同位素趋势,以及由壳效应导致的幻数原子核低激发能的突然增大,并且将2 ₁⁺和4₁⁺激发能的预言精度分别提高了约80%和75%,该预言精度与单任务神经网络基本一致,但是改进了对轻核区与缺中子核区低激发谱的学习能力,这说明多任务神经网络可以实现多种激发能量的统一精确计算。