Buchumschlag

Quantum-inspired Bayesian probability algorithm for nuclear mass predictions

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Tan, Kaizhong, Liu, Jian, Wang, Chuan
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Nuclear Theory
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Quantifying uncertainty in physics-based predictions of rare-isotope production cross sections via Bayesian-inspired model averaging across nuclear mass tables
von: Tarasov, O. B.
Veröffentlicht: (2026)

The DNA of nuclear models: How AI predicts nuclear masses
von: Richardson, Kate A., et al.
Veröffentlicht: (2025)

A sign of three-nucleon short-range correlation from an analysis of nuclear mass and short-range correlation probability
von: Ma, Na-Na, et al.
Veröffentlicht: (2024)

Improved predictions of phenomenological nuclear charge radius formulae with Bayesian optimization approach
von: Zhao, Song-Bo, et al.
Veröffentlicht: (2024)

Principal components of nuclear mass models
von: Wu, X. H., et al.
Veröffentlicht: (2024)

Correlation between nuclear isospin asymmetry and $α$-particle preformation probability for superheavy nuclei from a Bayesian inference
von: Zhu, Xiao-Yan, et al.
Veröffentlicht: (2026)

Impact of initial fluctuations and nuclear deformations in isobar collisions
von: Wang, Jian-fei, et al.
Veröffentlicht: (2023)

Global prediction of nuclear charge density distributions using deep neural network
von: Shang, Tian Shuai, et al.
Veröffentlicht: (2024)

Bayesian analysis of properties of nuclear matter with the FOPI experimental data
von: Wei, Guojun, et al.
Veröffentlicht: (2025)

Simultaneous improvements of nuclear mass and charge radius predictions using multi-task Gaussian process approaches
von: Ye, Weihu, et al.
Veröffentlicht: (2025)

An optical-lensing inspired data thinning method for nuclear cross section data
von: Imbrišak, M., et al.
Veröffentlicht: (2025)

Nuclear mass predictions based on convolutional neural network
von: Lu, Yanhua, et al.
Veröffentlicht: (2024)

Cutoff-independent predictions from nuclear lattice effective field theory
von: Wang, Chen-Can, et al.
Veröffentlicht: (2026)

Constraining neutron-proton effective mass splitting through nuclear giant dipole resonance within transport approach
von: Song, Yi-Dan, et al.
Veröffentlicht: (2025)

Bayesian Model Averaging (BMA) for nuclear data evaluation
von: Alhassan, E., et al.
Veröffentlicht: (2024)

Shell quenching in nuclear charge radii based on Monte Carlo dropout Bayesian neural network
von: Xian, Zhen-Yan, et al.
Veröffentlicht: (2024)

The mass of $^{101}$Sn and Bayesian extrapolations to the proton drip line
von: Ireland, Christian M., et al.
Veröffentlicht: (2025)

Bayesian uncertainty quantification on nuclear level density data and their impact on $(p,γ)$ reactions of astrophysical interest
von: Chalil, A., et al.
Veröffentlicht: (2024)

Investigation of evaluated nuclear data in the prediction of inherent neutron sources
von: Hauksson, Sigtryggur, et al.
Veröffentlicht: (2025)

A unified algorithm for multi-particle correlations between azimuthal angle and transverse momentum in ultra-relativistic nuclear collisions
von: Nielsen, Emil Gorm Dahlbæk, et al.
Veröffentlicht: (2025)

Bayesian inference of nuclear incompressibility from collective flow in mid-central Au+Au collisions at 400--1500 MeV/nucleon
von: Wang, J. M., et al.
Veröffentlicht: (2024)

Benchmarking nuclear energy density functionals with new mass data
von: Qu, Xiaoying, et al.
Veröffentlicht: (2025)

Architecture as physical prior: cooperative neural network for nuclear masses
von: Zai, Peiwen, et al.
Veröffentlicht: (2026)

Quantum computing for extracting nuclear resonances
von: Zhang, Hantao, et al.
Veröffentlicht: (2024)

Effects of pairing strength on the nuclear structure and double-$β$ decay predictions within the mapped interacting boson model
von: Nomura, Kosuke
Veröffentlicht: (2024)

Comparing invariant-mass spectroscopy of 8B with ab initio predictions
von: Charity, R. J., et al.
Veröffentlicht: (2025)

The 25th anniversary for nuclear chirality
von: Meng, J., et al.
Veröffentlicht: (2024)

Influence of the effective mass on the properties of nuclear matter at finite density and temperature
von: Togashi, Hajime, et al.
Veröffentlicht: (2025)

A nuclear mass model rooted in chiral effective field theory
von: Mishra, C., et al.
Veröffentlicht: (2025)

Effects of neck and nuclear orientations on the mass drift in heavy ion collisions
von: Amano, Shota, et al.
Veröffentlicht: (2024)

Towards accurate nuclear mass tables in covariant density functional theory
von: Taninah, A., et al.
Veröffentlicht: (2024)

Qubit-efficient variational algorithm for nuclear structure
von: Sarma, Chandan, et al.
Veröffentlicht: (2026)

Scaling approach to rigid and soft nuclear deformation through flow fluctuations in high-energy nuclear collisions
von: Liu, Lumeng, et al.
Veröffentlicht: (2025)

Shadow-based quantum subspace algorithm for the nuclear shell model
von: Yang, Ruyu, et al.
Veröffentlicht: (2023)

$g_{\rm A}$-sensitive $β$ spectral shapes in the mass $A=86-99$ region assessed by the nuclear shell model
von: Ramalho, Marlom, et al.
Veröffentlicht: (2023)

Deep learning for nuclear masses in deformed relativistic Hartree-Bogoliubov theory in continuum
von: Choi, Soonchul, et al.
Veröffentlicht: (2024)

Probing the refined performance of the Categorical-Boosting algorithm to the Hartree-Fock-Bogoliubov mass model with different Skyrme forces
von: Guo, Jin-Liang, et al.
Veröffentlicht: (2025)

Revisiting the nuclear island of negative hexadecapole deformations in A$\approx$180 mass region: focusing on moments of inertia and quadrupole-hexadecapole coupling
von: Li, Ran, et al.
Veröffentlicht: (2026)

Nuclear mass predictions based on deep neural network and finite-range droplet model (2012)
von: Yiu, To Chung, et al.
Veröffentlicht: (2023)

The nucleardatapy toolkit for simple access to experimental nuclear data, astrophysical observations, and theoretical predictions
von: Margueron, Jérôme, et al.
Veröffentlicht: (2025)