Исследователи применили интерпретируемые нейронные сети для анализа фундаментальных симметрий ядерных сил, опираясь на модели Вигнера SU(4) и Эллиота SU(3). Ученые стремились не к достижению максимальной точности предсказаний, а к глубокому физическому пониманию того, как данные симметрии определяют массу атомных ядер во всей таблице нуклидов, используя операторы Казимира в качестве основы для архитектуры моделей.

Традиционные методы ab initio моделирования успешно описывают легкие и средние ядра, однако их масштабирование на всю таблицу нуклидов сопряжено с вычислительными сложностями. Использование нейронных сетей с архитектурными ограничениями, основанными на известных физических законах, позволяет выявить скрытые закономерности в структуре ядерной материи. Такой подход обеспечивает прозрачность принятия решений моделью, что критически важно для фундаментальной физики.

Интегрирование физических принципов в структуру нейросетей позволяет исследователям проверять гипотезы о доминировании определенных симметрий в различных диапазонах масс. Это открывает новые возможности для анализа данных в ядерной физике, где интерпретируемость результатов имеет приоритет над «черным ящиком» стандартных глубоких моделей. Работа демонстрирует потенциал синергии между теоретической физикой и методами машинного обучения.

Ключевые факты

  • В основу архитектуры нейросетей положены операторы Казимира для групп симметрии SU(3) и SU(4).
  • Целью исследования является получение физических инсайтов, а не повышение точности численных предсказаний.
  • Моделирование охватывает всю таблицу нуклидов, выходя за рамки легких и средних ядер.
  • Использованный подход позволяет интерпретировать вклад конкретных симметрий в общую энергию связи атомных ядер.