[論文レビュー] A Global Model of $\\beta^-$-Decay Half-Lives Using Neural Networks

N. J. Costiris, E. Mavrommatis+2 more|arXiv (Cornell University)|Jan 31, 2007

Nuclear physics research studies参考文献 1被引用数 5

ひとこと要約

本稿では、Levenberg-Marquardtおよびベイズ正則化を用いて訓練された、完全結合型多層フィードフォワード構造を持つグローバルな人工ニューラルネットワーク（ANN）モデルを提案する。このモデルは、$eta^{-}$モードでの崩壊割合が100%の核の$eta^{-}$崩壊半減期を予測することを目的としている。予測精度は、最高水準の従来の核理論モデルと同等であり、とくに安定性から遠い領域の既知データの内挿およびrプロセス核への外挿において優れた性能を示している。

ABSTRACT

Statistical modeling of nuclear data using artificial neural networks (ANNs) and, more recently, support vector machines (SVMs), is providing novel approaches to systematics that are complementary to phenomenological and semi-microscopic theories. We present a global model of $\\beta^-$-decay halflives of the class of nuclei that decay 100% by $\\beta^-$ mode in their ground states. A fully-connected multilayered feed forward network has been trained using the Levenberg-Marquardt algorithm, Bayesian regularization, and cross-validation. The halflife estimates generated by the model are discussed and compared with the available experimental data, with previous results obtained with neural networks, and with estimates coming from traditional global nuclear models. Predictions of the new neural-network model are given for nuclei far from stability, with particular attention to those involved in r-process nucleosynthesis. This study demonstrates that in the framework of the $\\beta^-$-decay problem considered here, global models based on ANNs can at least match the predictive performance of the best conventional global models rooted in nuclear theory. Accordingly, such statistical models can provide a valuable tool for further mapping of the nuclidic chart.

研究の動機と目的

• 安定性から遠い領域における、$ \beta^{-}$モードにのみ崩壊する核の$ \beta^{-}$崩壊半減期を網羅的に統計モデル化すること。
• 中性子が非常に豊富な不安定核において、半減期の予測で大きな偏差（最大で1桁）を示すことがある従来の核モデルの限界を是正すること。
• 人工ニューラルネットワーク（ANN）が、$ \beta^{-}$崩壊の体系的傾向を記述するための、現象論的および微視的核理論の補完的アプローチとしての有効性を検証すること。
• 特にrプロセス核合成に関与する核に対して、モデルの一般化および外挿能力を評価すること。
• 実験的に測定されていない核種の信頼性の高い半減期推定値を提供し、実験プログラムおよび理論的核構造研究を支援すること。

提案手法

• ハイパーバリック・タンジェントシグモイド関数を隠れ層に、出力層に飽和線形関数を用いた、完全結合型多層フィードフォワードニューラルネットワークを採用し、アーキテクチャは[3-5-5-5-5-1|116]である。
• 入力層は原子番号$Z$、中性子番号$N$、およびペアリング定数$\delta$（偶-偶核で+1、奇-質量核で0、奇-奇核で-1）を符号化する。
• 一般化性能を最適化し過学習を防ぐために、ベイズ正則化を用いたLevenberg-Marquardtアルゴリズムと10分割交差検証を用いてネットワークを訓練する。
• 出力は、半減期の常用対数$\log T_{1/2}$（単位：秒）として推定される。
• 性能評価には、許容係数$f$を用いて実験値の$f$倍以内の予測割合を評価する$\langle x\rangle_K$および$\sigma_K$という指標を用いる。
• 予測セットとして116個の核種を用い、NBSC+ pn QRPAおよびpn QRPA+ff GTといった既存のモデルと比較した。

実験結果

リサーチクエスチョン

• RQ1 グローバルな人工ニューラルネットワークモデルは、$ \beta^{-}$崩壊半減期の予測精度を、最高水準の従来の核理論モデルと同等に達成できるか？
• RQ2 トレーニングセットに含まれない核、特に安定性から遠い領域の核に対して、ANNモデルの一般化性能はどの程度高いか？
• RQ3 rプロセス核合成に関連する中性子が豊富な同位体への外挿性能は、どの程度高いか？
• RQ4 NBSC+ pn QRPAおよびpn QRPA+ff GTといった既存モデルと比較して、精度および一貫性の観点から本モデルの性能はどの程度か？
• RQ5 ペアリング効果に起因する半減期の歯型（さとう）的傾向といった既知の核体系的傾向をモデルは再現できるか？

主な発見

• 予測セットにおいて、実験値の10倍以内の予測が98.0%の精度で達成され、$\langle x\rangle_K = 2.24$、$\sigma_K = 1.30$を示した。
• 実験値の5倍以内の予測では94.0%の精度を達成し、$\langle x\rangle_K = 2.04$、$\sigma_K = 0.89$を示した。これは、内挿領域における優れた性能を示している。
• NBSC+ pn QRPAモデルと同等の性能を示し、特に困難なケースにおいては同程度またはわずかに優れた精度を示した。
• rプロセス核として重要な双魔法核$^{78}\text{Ni}$の半減期を、実験的不確実性の範囲内で正確に予測できており、宇宙線的・天体物理学的条件下での信頼性を示している。
• 同位体系列および同中性子系列に沿って、ペアリング効果を反映した歯型（さとう）的傾向を半減期が示しているが、実験的トレンドと比較してわずかに誇張されている可能性がある。
• 一般化能力は強く、許容範囲内での予測割合$m$が高く、$\sigma_K$が低いことから、テストされた核種全体にわたって一貫性があり、精度の高い推定が可能であることが裏付けられた。