Improved BW model based on MLP neural network optimization

神经网络具有强大的建模能力和对大规模数据的适应性, 在拟合核质量模型参数方面表现出显著效果. 本研究旨在探索神经网络拟合核质量模型参数的问题: 采用多层感知机(multilayer perceptron, MLP)神经网络结构, 评估不同参数下Adam优化器的训练效果, 训练出准确的模型参数. 研究发现, 基于AME2020数据, 更新系数后的BW2核质量模型在双幻数以及重核区域的均方根误差降低明显; BW3模型重新拟合后的全局均方根误差为1.63 MeV, 较之前1.86 MeV有所降低. 结果表明, 该方法能够有效地拟合模型参数, 并具有良好的拟合性能和泛化能力. 这项研究为BW系列核质量模型的系数提供了新的拟合方法, 也为其他核质量寻求最佳拟合参数提供了有益的参考.