AI 與世界的難題 · 物理學 · arXiv · 2026-10-26
機器學習 $\beta$ 衰變半衰期及其在 $r$ 過程可觀測量上的應用
原標題: Machine Learning $\beta$-decay Half-lives and Their Application to $r$-Process Observables
精確模擬富中子原子核的 β 衰變半衰期，對 r 過程核合成與千新星光變曲線至關重要。以近期實驗數據訓練的混合密度網路（Mixture Density Network）可輸出半衰期的機率分布，而改變訓練資料則會使外推結果產生很大的差異，在 N=126 等同中子數鏈這類數據稀少的區域尤其明顯。所得模型也被納入 r 過程網路計算，以評估其對同位素豐度與光變曲線的影響。