基于贝叶斯神经网络分析质子引发的散裂反应产生的同位素截面

摘要：

质子散裂反应产物截面数据是许多核应用领域的关键基础数据.不论在实验还是理论上,获得精确、完整的能量依赖的散裂产物截面都具有很大的挑战.运用贝叶斯神经网络方法(Bayesian Neural network,BNN)学习现有的质子散裂反应产生的同位素截面,并做出预测.BNN预测结果与实验测量截面吻合的很好,并展现出较好的模型泛化能力,可为核天体物理、加速器驱动的亚临界系统、质子治疗等领域提供参考价值.

Fragments productions in Spallation reactions are key infrastructure data for various applications.A Bayesia-n-n eural-network(BNN)approach is established to predict the fragment cross sections in the proton induced spallation reaction for systems.The predicted results of BNN show a good agreement to the measured results.The established method is suggested to benefit the related researches of nuclear astrophysics,nuclear radioactive beam source,ADS,proton therapy,etc.FEWER

作者：

马春旺 彭丹

Ma Chunwang;Peng Dan(College of Physics,Henan Normal University,Xinxiang 453007,China)

机构地区：

betway官方app 物理学院

出处：

《betway官方app 学报：自然科学版》 CAS 北大核心 2020年第3期41-46,F0002,共7页

基金：

国家自然科学基金(U1732135,1197509)。

关键词：

贝叶斯神经网络 质子 散裂反应 截面

Bayesian neural network proton spallation cross section

分类号：

O571 [理学—粒子物理与原子核物理]

基于贝叶斯神经网络分析质子引发的散裂反应产生的同位素截面.pdf