机器学习在原子核物理中的应用

作者:何万兵; 何俊杰; 王睿; 马余刚
更新时间:

机器学习是人工智能领域最成功、最活跃的研究方向。广泛应用于大数据分析、自动驾驶、自然语言处理、互联网技术、医疗诊断、市场分析等领域。同时,它也广泛应用于粒子物理的实验和理论研究。本文列举了一些在核物理领域值得关注的机器学习技术。通过几个不同的案例,介绍了机器学习在核物理研究的不同场景中的应用,包括深度卷积神经网络结合理论模型来提取原始数据中的团簇结构信息,分析和提取核液气相变信息的无监督学习方法,并以申晶网络量子态(NQS)为试波函数求解薛定谔方程,将贝叶斯神经网络应用于核半径的拟合和预测,将图像识别技术应用于主动目标时间投影室探测器的事件识别。它显示了机器学习技术在核物理领域的广泛应用价值