神経網による衝突率係数の外挿予測

ニューラルネットワークを用いて分子の衝突励起率係数を外挿し、高精度な予測が可能であることを示した。

• 量子散乱計算が困難な大規模分子の衝突率係数データを拡張する手法を調査した。
• 分子の物理量を記述子とした多層パーセプトロンモデルを構築して訓練を行った。
• 未知の回転準位や高温状態への外挿において、高い予測精度を達成することを確認した。
• 機械学習が天体物理学のデータセット拡充に有効な実用的アプローチであることを示した。

原文タイトル: Extrapolating Collisional Rate Coefficients for Molecules of Astrophysical Interest Using Neural Networks

arXiv で原文を見る

この要約は AI が生成したものであり、arXiv および論文著者の見解ではありません。