Nuclear Mass Model Based on Bayesian Estimate of Local Difference Experssions of Binding Energies

Мұқаба

Дәйексөз келтіру

Толық мәтін

Ашық рұқсат Ашық рұқсат
Рұқсат жабық Рұқсат берілді
Рұқсат жабық Тек жазылушылар үшін

Аннотация

The Bayesian estimates of the value of the residual neutron–proton interaction energy Δnp  using the Markov chain Monte Carlo method and Tikhonov regularization. These estimates are used for calculation of the nuclear mass table for A > 20. The accuracy of the obtained predictions is evaluated by comparison with experimental data from AME2020 and other theoretical nuclear mass models.

Авторлар туралы

K. Stopani

Skobeltsyn Institute of Nuclear Physics, Moscow State University

Email: kstopani@sinp.msu.ru
Moscow, Russia

E. Vladimirova

Faculty of Physics, Moscow State University

Email: kstopani@sinp.msu.ru
Moscow, Russia

V. Negrebetskiy

Faculty of Physics, Moscow State University; Justus Liebig University

Email: kstopani@sinp.msu.ru
Moscow, Russia; Giessen, Germany

M. Simonov

Faculty of Physics, Moscow State University; Justus Liebig University

Email: kstopani@sinp.msu.ru
Moscow, Russia; Giessen, Germany

T. Tretyakova

Skobeltsyn Institute of Nuclear Physics, Moscow State University; Faculty of Physics, Moscow State University

Хат алмасуға жауапты Автор.
Email: kstopani@sinp.msu.ru
Moscow, Russia; Moscow, Russia

Әдебиет тізімі

  1. G. T. Garvey, W. J. Gerace, R. L. Jaffe, I. Talmi, and I. Kelson, Rev. Mod. Phys. 41, S1 (1969).
  2. С. Шапиро, С. Тьюколски, Чёрные дыры, белые карлики и нейтронные звёзды, ч. 1 (Мир, Москва, 1985).
  3. J. Jänecke and H. Behrens, Phys. Rev. C 9, 1276 (1974).
  4. J. Jänecke and P. J. Masson, At. Data Nucl. Data Tables 39, 265 (1988).
  5. P. J. Masson and J. Jänecke, At. Data Nucl. Data Tables 39, 273 (1988).
  6. Е. В. Владимирова, Б. С. Ишханов, М. В. Симонов, Т. Ю. Третьякова, Уч. записки физ. фак-та Моск. ун-та, 1930409 (2019).
  7. E. V. Vladimirova, B. S. Ishkhanov, M. V. Simonov, S. V. Sidorov, and T. Yu Tretyakova, Int. J. Mod. Phys. E 30, 2150025 (2021).
  8. E. V. Vladimirova, M. V. Simonov, and T. Yu. Tre- tyakova, AIP Conf. Proc. 2377, 070003 (2021).
  9. D. Lunney, J. M. Pearson, and C. Thibault, Rev. Mod. Phys. 75, 1021 (2003).
  10. Z. He, M. Bao, Y. M. Zhao, and A. Arima, Phys. Rev. C 90, 054320 (2014).
  11. J. L. Tian, N. Wang, C. Li, and J. J. Li, Phys. Rev. C 87, 014313 (2013).
  12. Y. Y. Cheng, Y. M. Zhao, and A. Arima, Phys. Rev. C 89, 061304 (2014).
  13. W. J. Huang, G. Audi, M. Wang, F. G. Kondev, S. Naimi, and X. Xu, Chin. Phys. C 41, 030002 (2017); M. Wang, G. Audi, F. G. Kondev, W. J. Huang, S. Naimi, and X. Xu, Chin. Phys. C 41, 030003 (2017).
  14. А. А. Боровков, Математическая статистика (Лань, Cанкт-Петербург, 2010).
  15. А. Н. Тихонов, Докл. Акад. Наук СССР 151, 501 (1963).
  16. A. Gelman, J. B. Carlin, H. S. Stern, D. B. Dun- son, A. Vehtari, and D. B. Rubin, Bayesian Data Analysis, 3rd ed. (New York, Chapman and Hall/CRC, 2013).
  17. R. M. Neal, Tech. Report CRG-TR-93-1 (University of Toronto, September 1993).
  18. W. J. Huang, M. Wang, F. G. Kondev, G. Audi, and S. Naimi, Chin. Phys. C 45, 030002 (2021); M. Wang, W. J. Huang, F. G. Kondev, G. Audi, and S. Naimi, Chin. Phys. C 45, 030003 (2021).
  19. P. Möller, A. J. Sierk, T. Ichikawa, and H. Sagawa, At. Data Nucl. Data Tables 109, 1 (2016).
  20. S. Goriely, N. Chamel, and J. M. Pearson, Phys. Rev. Lett. 102, 152503 (2009).
  21. A. Pastore, D. Neill, H. Powell, K. Medler, and C. Barton, Phys. Rev. C 101, 035804 (2020).
  22. J. Duflo and A. P. Zuker, Phys. Rev. C 52, R23 (1995).
  23. M. Shelley and A. Pastore, Universe 7, 131 (2021).
  24. L. Neufcourt, Y. Cao, W. Nazarewicz, and F. Viens, Phys. Rev. C 98, 034318 (2018).
  25. N.-N. Ma, H.-F. Zhang, X.-J. Bao, and H.-F. Zhang, Chin. Phys. C 43, 044105 (2019).
  26. A. Gration and M. I. Wilkinson, Mon. Not. Roy. Astron. Soc. 485, 4878 (2019).

Қосымша файлдар

Қосымша файлдар
Әрекет
1. JATS XML
Жүктеу

© Pleiades Publishing, Ltd., 2023

Согласие на обработку персональных данных с помощью сервиса «Яндекс.Метрика»

1. Я (далее – «Пользователь» или «Субъект персональных данных»), осуществляя использование сайта https://journals.rcsi.science/ (далее – «Сайт»), подтверждая свою полную дееспособность даю согласие на обработку персональных данных с использованием средств автоматизации Оператору - федеральному государственному бюджетному учреждению «Российский центр научной информации» (РЦНИ), далее – «Оператор», расположенному по адресу: 119991, г. Москва, Ленинский просп., д.32А, со следующими условиями.

2. Категории обрабатываемых данных: файлы «cookies» (куки-файлы). Файлы «cookie» – это небольшой текстовый файл, который веб-сервер может хранить в браузере Пользователя. Данные файлы веб-сервер загружает на устройство Пользователя при посещении им Сайта. При каждом следующем посещении Пользователем Сайта «cookie» файлы отправляются на Сайт Оператора. Данные файлы позволяют Сайту распознавать устройство Пользователя. Содержимое такого файла может как относиться, так и не относиться к персональным данным, в зависимости от того, содержит ли такой файл персональные данные или содержит обезличенные технические данные.

3. Цель обработки персональных данных: анализ пользовательской активности с помощью сервиса «Яндекс.Метрика».

4. Категории субъектов персональных данных: все Пользователи Сайта, которые дали согласие на обработку файлов «cookie».

5. Способы обработки: сбор, запись, систематизация, накопление, хранение, уточнение (обновление, изменение), извлечение, использование, передача (доступ, предоставление), блокирование, удаление, уничтожение персональных данных.

6. Срок обработки и хранения: до получения от Субъекта персональных данных требования о прекращении обработки/отзыва согласия.

7. Способ отзыва: заявление об отзыве в письменном виде путём его направления на адрес электронной почты Оператора: info@rcsi.science или путем письменного обращения по юридическому адресу: 119991, г. Москва, Ленинский просп., д.32А

8. Субъект персональных данных вправе запретить своему оборудованию прием этих данных или ограничить прием этих данных. При отказе от получения таких данных или при ограничении приема данных некоторые функции Сайта могут работать некорректно. Субъект персональных данных обязуется сам настроить свое оборудование таким способом, чтобы оно обеспечивало адекватный его желаниям режим работы и уровень защиты данных файлов «cookie», Оператор не предоставляет технологических и правовых консультаций на темы подобного характера.

9. Порядок уничтожения персональных данных при достижении цели их обработки или при наступлении иных законных оснований определяется Оператором в соответствии с законодательством Российской Федерации.

10. Я согласен/согласна квалифицировать в качестве своей простой электронной подписи под настоящим Согласием и под Политикой обработки персональных данных выполнение мною следующего действия на сайте: https://journals.rcsi.science/ нажатие мною на интерфейсе с текстом: «Сайт использует сервис «Яндекс.Метрика» (который использует файлы «cookie») на элемент с текстом «Принять и продолжить».