中低能质子与铜反应截面的贝叶斯神经网络计算研究

摘要

质子引发的散裂反应的产物截面数据是许多核反应应用中的关键基础，然而由于散裂反应涉及到的体系复杂且反应能量跨越3～4个数量级，现有的理论模型在截面预测上的准确性仍有不足。为了获取更高的预测精度，采用贝叶斯神经网络（Bayesian Neural Networks,BNN）方法，针对质子与铜（Cu）靶材的散裂反应截面进行建模和分析。与传统方法相比，BNN能够通过学习实验数据提供高精度预测，并且量化预测中的不确定性。基于EXFOR数据库的实验数据，构建的BNN模型在多个能量区间内准确预测了反应截面，并与实验数据进行了验证。结果表明，BNN模型在广泛能量范围内具有良好的预测能力，尤其在数据不足的区域，通过合理的置信区间量化了预测结果的不确定性。

关键词

贝叶斯神经网络 / 余核截面 / ^natCu

基金资助

国家自然科学基金项目（12365018）; 内蒙古自治区高等学校青年科技英才支持计划项目（NJYT23109）; 内蒙古自治区高等学校创新团队发展支持计划项目（NMGIRT2217）; 内蒙古自治区直属高校基本科研业务费项目（GXKY22061）; 内蒙古自治区自然科学基金项目（2023MS01005）