报告题目：贝叶斯神经网络对原子核质量与β衰变寿命的精确预言
报 告 人：牛中明
报告时间：2021年3月26日 16:00-17:30
报告地点：将军路校区新材料楼B316
主办单位：开云Kaiyun
报告人简介：
牛中明，安徽大学物理与材料科学学院教授，博士生导师，入选安徽大学青年骨干教师、优秀人才计划、优秀共产党员等。2011年获北京大学粒子物理与原子核物理专业博士学位，2016年-2017年访问日本理化学研究所。长期从事原子核集体激发、原子核β衰变、原子核质量、天体环境下的元素核合成以及机器学习在核物理中的应用等课题的研究。主持国家自然科学基金面上和青年项目各1项。已发表学术论文70篇，包括3篇Phys. Rev. Lett.、30余篇Phys. Lett. B或Phys．Rev．A/C/D，总引用950余次，H-index为19。担任Phys. Lett. B, Phys. Rev. C和Sci. China, Chin. Phys. C等国内外核物理主流期刊审稿人，2020年获Chin. Phys. C顶级审稿人奖(Top Reviewer Award)。
报告摘要:
宇宙重元素起源是重要的基础科学问题，其研究涉及大量实验尚未合成的极端丰中子不稳定原子核，其性质亟需理论模型的精确预言。本报告将介绍基于贝叶斯神经网络的机器学习方法对原子核质量与β衰变寿命的精确预言，及其在宇宙元素核合成中的应用，同时还将简要介绍最近机器学习方法在其它原子核性质上的应用。
