機械学習を用いた核子-原子核散乱に対する最適なポテンシャルの予測,3

None

Watanabe, Shoto*; Minato, Futoshi*; Kimura, Masaaki*; Iwamoto, Nobuyuki; Yoshida, Sota*

前回の発表に続き、核子-原子核散乱に対する光学ポテンシャルパラメータの推定に機械学習を適用した。今回は、陽子散乱の角度分布に対して、光学ポテンシャルパラメータの入射エネルギー依存性と陽子数依存性を同時に推定したので、その結果を報告する。

no abstracts in English

使用言語	:	Japanese
掲載資料名	:
巻	:
号	:
ページ数	:
発行年月	:
発表会議名	:	日本原子力学会2024年秋の大会
開催年月	:	2024/09
開催都市	:	仙台
開催国	:	日本
キーワード	:	no keyword

特許データ	:
PDF	:

論文URL	:
研究データの公開先DOI	:	本成果にかかわる研究データのリンクです。
使用施設	:
広報プレスリリース	:
論文解説記事 (成果普及情報誌)	:
受委託・共同研究相手機関	:

Access	:	- Accesses
Web of Science® Times Cited Count	:	被引用回数：評価・統計等のため最新の被引用回数を確認したい場合は、直接Web of Science®をご確認ください。 http://www.webofknowledge.com/wos
InCites™	:
Altmetrics	:

登録番号 : BB20240333
抄録集掲載番号 :
論文投稿番号 :

[CLARIVATE ANALYTICS], [WEB OF SCIENCE], [HIGHLY CITED PAPER & CUP LOGO] and [HOT PAPER & FIRE LOGO] are trademarks of Clarivate Analytics, and/or its affiliated company or companies, and used herein by permission and/or license.