論文の概要: NuCLR: Nuclear Co-Learned Representations

• arxiv url: http://arxiv.org/abs/2306.06099v2
• Date: Fri, 21 Jul 2023 22:14:14 GMT
• ステータス: 処理完了
• システム内更新日: 2023-07-25 20:55:43.606461
• Title: NuCLR: Nuclear Co-Learned Representations
• Title（参考訳）: NuCLR: 原子力共同学習表現
• Authors: Ouail Kitouni, Niklas Nolte, Sokratis Trifinopoulos, Subhash Kantamneni, Mike Williams
• Abstract要約: 我々は,様々な核観測値を予測する深層学習モデルであるNuCLRを紹介する。 我々は,NuCLRの学習表現が核殻モデルの重要な側面の顕著な出現を示すという興味深い発見を報告した。 これは、このモデルが基礎となる物理原理を捉えることができ、我々のアプローチが核理論に価値ある洞察を与える可能性があることを示唆している。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: 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.
• Abstract（参考訳）: 我々は, 結合や崩壊エネルギー, 核電荷半径など, 様々な核観測可能性を予測する深層学習モデルであるNuCLRを紹介する。 このモデルは、共有表現を持つマルチタスクアプローチを用いて訓練され、核(宇宙)物理学の基本的な現象を理解するのに不可欠な精度のレベルを達成する。 また,NuCLRの学習表現が核殻モデルの重要な側面,すなわちよく知られたマジックナンバーを含むシェル構造やパウリ排他原理の顕著な出現を示すという興味深い発見を報告する。 これは、このモデルが基礎となる物理原理を捉えることができ、我々のアプローチが核理論に価値ある洞察を与える可能性があることを示唆している。

関連論文リスト

• A Quantum Annealing Protocol to Solve the Nuclear Shell Model [0.0]
  核基底状態に対する量子アニールプロトコルの実装について検討する。 十分なギャップを持つドライバハミルトンを提案し、最大28個のヌクレオンのセットアップで我々のアプローチを検証する。
  論文  参考訳（メタデータ） (2024-11-11T13:00:37Z)
• Discovering Nuclear Models from Symbolic Machine Learning [0.0]
  我々は,新しい記号型機械学習(ML)が従来の核物理モデルを再発見できるかどうかを考察する。 多目的反復回帰手法を開発し、複数の観測対象物に対するシンボル回帰を処理した。 提案手法では, 陽子数と中性子数に基づいて単純な解析関係を同定し, 最先端の原子核モデルに匹敵する精度で解釈可能なモデルを提供する。
  論文  参考訳（メタデータ） (2024-04-17T15:32:58Z)
• Atomic and Subgraph-aware Bilateral Aggregation for Molecular Representation Learning [57.670845619155195]
  我々は、原子とサブグラフを意識したバイラテラルアグリゲーション(ASBA)と呼ばれる分子表現学習の新しいモデルを導入する。 ASBAは、両方の種類の情報を統合することで、以前の原子単位とサブグラフ単位のモデルの限界に対処する。 本手法は,分子特性予測のための表現をより包括的に学習する方法を提供する。
  論文  参考訳（メタデータ） (2023-05-22T00:56:00Z)
• Predicting nuclear masses with product-unit networks [0.0]
  本稿では,通常のニューロンのような処理ユニットを複雑な値の製品ユニットに置き換える,新しいタイプのニューラルネットワークの提案と探索を行う。 その性能は、いくつかのニューラルネットワークアーキテクチャのアーキテクチャと比較され、核質量予測への適合性を実証している。
  論文  参考訳（メタデータ） (2023-05-08T12:51:16Z)
• Decoherence of Nuclear Spins in the Proximity of Nitrogen Vacancy Centers in Diamond [0.0]
  固体中の核スピンは量子情報処理のための有望なプラットフォームである。 ダイヤモンド中の窒素空孔(NV)中心近傍における核脱コヒーレンス過程について検討した。
  論文  参考訳（メタデータ） (2023-02-07T04:58:38Z)
• Solving the nuclear pairing model with neural network quantum states [58.720142291102135]
  本稿では,職業数形式論における核多体問題の解法としてモンテカルロ法を提案する。 リコンフィグレーションアルゴリズムのメモリ効率向上版を開発し,ハミルトニアンの期待値を最小限に抑えてネットワークをトレーニングする。
  論文  参考訳（メタデータ） (2022-11-09T00:18:01Z)
• Spectral density reconstruction with Chebyshev polynomials [77.34726150561087]
  厳密な誤差推定で有限エネルギー分解能の制御可能な再構成を行う方法を示す。 これは、核と凝縮物質物理学における将来の応用の道を開くものである。
  論文  参考訳（メタデータ） (2021-10-05T15:16:13Z)
• Nuclei with up to $\boldsymbol{A=6}$ nucleons with artificial neural network wave functions [52.77024349608834]
  人工ニューラルネットワークを用いて、核の波動関数をコンパクトに表現する。 高精度な超球面調和法を用いて, それらの結合エネルギー, 点核子密度, ラジイをベンチマークした。
  論文  参考訳（メタデータ） (2021-08-15T23:02:39Z)
• Electronic decay process spectra including nuclear degrees of freedom [49.1574468325115]
  フェムト秒にまたがる超ラピッド電子運動を探索し、それが等しく、その規律と関係があることを実証する。 超短パルス技術の出現は、原子や分子の電子配置を直接観察する能力に革命をもたらした。
  論文  参考訳（メタデータ） (2021-02-10T16:51:48Z)
• Theoretical methods for ultrastrong light-matter interactions [91.3755431537592]
  本稿では,超強結合状態における空洞量子力学を理解するために開発された理論的手法について概説する。 本稿は、基底状態特性の解析的推定からマスター方程式の適切な計算まで、最近の進歩の概要を概説する。 論文の大半は、超強結合が到達した様々な実験プラットフォームに関連する効果的なモデルに特化している。
  論文  参考訳（メタデータ） (2020-01-23T18:09:10Z)
• Quantified limits of the nuclear landscape [0.24792948967354234]
  粒子結合同位体の射程を予測することは、核理論にとって有意義な挑戦である。 我々は, 微視的核質量モデルとベイズ法を用いて, 陽子と中性子分離エネルギーの定量予測を行う。 この研究で得られた外挿は、エキゾチック核に関する新しい実験情報が利用可能になったときに、厳密な試験によって行われる。
  論文  参考訳（メタデータ） (2020-01-16T16:25:00Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。