量子科技中心_量科网

机器学习技术已被证明在解决原子核结构问题上卓有成效。物理信息神经网络（PINNs）作为一种有前景的机器学习方法，特别适用于求解诸如多体薛定谔问题这类积分微分方程。迄今为止，尚未有研究展示利用该方法提取核本征态。该研究团队针对动量空间中现实的核子-核子相互作用（包括具有强高动量关联的模型）展开研究，并成功获得了氘核的高精度计算结果。研究人员还在坐标空间中提供了更多基准测试。该工作创新性地提出了用于损失函数的变分能量表达式，该表达式可在PINNs框架内高效计算。研究结果与已验证数值方法高度吻合，PINN预测的结合能与数值基准值之间的相对误差量级达到10^-6。这一方法为利用PINNs求解更复杂原子核问题开辟了新途径。