KI und die schwierigen Probleme der Welt · Physik · arXiv · 2026-10-26
Maschinelles Lernen von $\beta$-Zerfallshalbwertszeiten und ihre Anwendung auf $r$-Prozess-Observablen
Originaltitel: Machine Learning $\beta$-decay Half-lives and Their Application to $r$-Process Observables
Die genaue Modellierung der β-Zerfalls-Halbwertszeiten neutronenreicher Kerne ist wichtig für die r-Prozess-Nukleosynthese und Kilonova-Lichtkurven. Ein Mixture Density Network, das mit aktuellen experimentellen Daten trainiert wurde, gibt eine Wahrscheinlichkeitsverteilung der Halbwertszeiten aus, während die Variation der Trainingsdaten eine große Streuung der Extrapolationen erzeugt, insbesondere in datenarmen Bereichen wie der N=126-Isotonenkette. Die resultierenden Modelle wurden außerdem in r-Prozess-Netzwerkrechnungen eingebunden, um ihre Auswirkungen auf Isotopenhäufigkeiten und Lichtkurven zu bewerten.