NucleiML: фреймворк машинного обучения свойств основного состояния конечных ядер для ускоренного байесовского исследования
В статье предлагается использовать машинное обучение для исследования уравнения состояния ядерной материи. Метод NucleiML (NML) позволяет ускорить вычисления и повысить точность моделирования свойств атомных ядер по сравнению с традиционными подходами. Это даёт возможность более детально исследовать неопределённости в глобальных моделях.
arXiv: 2504.03333
