Taming the in-medium nucleon-nucleon cross section with a deep neural network method

Abstract

由于周围核子的影响，介质中核子-核子(NN)截面与散射两核子的状态相关，依赖于核子数总密度、同位旋非对称度、两核子总动量和质心系总动能。并且其依赖形式相当复杂，基于复杂公式的拟合在精度上有不足之处。鉴于机器学习与神经网络在数据拟合方面的优势，本文以微观计算的有效NN截面为数据集，通过深度神经网络方法，获得各种条件下的NN截面。结果表明，机器学习可以很好地拟合介质中的NN截面，同时也展现出机器学习的明显优势。另外，通过机器学习得到的截面可以直接应用到输运模型来研究介质对核反应观测量的影响。