Прогнозирование периодов полураспада β-распада ядер методами машинного обучения и их влияние на нуклеосинтез r-процесса

Ядерный β-распад является ключевым процессом для понимания происхождения тяжёлых элементов во Вселенной, тогда как точность предсказаний периодов полураспада β-распада с помощью ядерных моделей до сих пор далека от удовлетворительной. В этой работе мы предлагаем новый подход для точного прогнозирования периодов полураспада β-распада с использованием машинного обучения на базе байесовской нейронной сети, в который явно встроена известная физика, включая положения, описываемые теорией Ферми β-распада, и зависимость периодов полураспада от корреляций парных взаимодействий и энергий распада. Другая потенциальная физика, неясная или отсутствующая в современных ядерных моделях, будет изучена байесовской нейронной сетью. Полученные результаты хорошо воспроизводят экспериментальные данные с очень высокой точностью и дополнительно дают обоснованные оценки неопределённостей в предсказаниях периодов полураспада. Эти точные предсказания периодов полураспада с количественно оценёнными неопределённостями имеют решающее значение для моделирования r-процесса.