魏慧玲
- 作品数：19 被引量：23H指数：3
- 供职机构：河南师范大学物理与信息工程学院更多>>
- 发文基金：国家自然科学基金河南省高校科技创新团队支持计划河南省教育科学规划课题更多>>
- 相关领域：理学文化科学自然科学总论自动化与计算机技术更多>>
- 重离子核反应中丰中子核的对称能
- 马春旺王闪闪普洁魏慧玲马余刚
- 质子诱发核散裂反应中产物截面的贝叶斯神经网络预测方法被引量：2
- 2022年
- 核的散裂反应是由几十MeV以上能量的轻粒子诱发的一类剧烈核反应,可以产生种类繁多的放射性核素.散裂反应中的余核产生截面数据是核物理和核技术应用领域的关键基础数据,但由于反应涉及的体系从小到大,反应能量跨越3–4个数量级,以及产生余核的电荷和质量数范围很宽,整体上现有的多种理论模型对余核产生截面的预测精度有待进一步提高.本文以机器学习方法中的贝叶斯神经网络方法为例,建立对质子诱发核散裂反应中余核产生截面的贝叶斯直接学习方法和物理模型引导的间接学习方法,提高对质子诱发核散裂反应中余核产生截面的预测范围和预测精度.
- 彭丹魏慧玲普洁程凯旋王玉廷魏啸宝陈茜茜马春旺
- 关键词：贝叶斯神经网络散裂反应
- 重离子核反应中同质异位素产额比与状态方程被引量：3
- 2011年
- 在修改的Fisher模型框架下,通过定义同质异位素产额比,得出了同质异位素产额比与结合能方程中各能项系数与温度比率之间的简单关联.利用这些关联,可以提取丰中子核结合能方程中的能项系数与温度的比率.
- 于勉魏慧玲
- 关键词：重离子核反应丰中子核
- 国内物理类和理工专业大学生创新成果分析——以2010年来《大学物理》大学生园地栏目刊文为例
- 2020年
- 本文以发表在《大学物理》大学生园地栏目的大学生论文为例,分析了物理学类和理工专业大学生开展创新研究所发表的创新成果的特征,为基于“双万计划”和“六卓越一拔尖”人才培养2.0建设环境下的物理学类和相关理工本科专业的大学生创新活动提供建议.
- 魏慧玲马春旺毋琪雯史亚婕
- 利用同质异位素产额比提取对称能的近似方法被引量：2
- 2012年
- 在修改的Fisher模型框架下,利用同质异位素产额比和结合能方程中对称能系数与温度比率的关联,可以提取对称能系数与温度的比值。利用3种不同的近似方法得到了重离子核反应产生丰中子余核的对称能系数与温度比(asym/T),并研究了相关物理量对asym/T的影响。结果表明,库仑能对提取丰中子余核的asym/T影响较小,且参考核的选取对asym/T的提取也有一定的影响。
- 普洁乔庆鹏魏慧玲王闪闪马春旺张同林
- 关键词：重离子核反应对称能
- 高能重离子核反应中几种提取对称能近似方法结果的比较
- 对称能依赖于温度和密度,虽然我们已经对饱和密度和零温度下的核物质的对称能有较好的了解,但对于高密度、高温度下的核物质对称能仍然模糊[1-3].过去的很多实验研究了核物质的状态方程及液气相变问题[4-5],还研究了发射源在...
- 普洁魏慧玲王闪闪马春旺张同林
- 关键词：重离子核反应对称能
- Origin软件多自变量多参数曲线拟合功能探究被引量：9
- 2012年
- 利用Origin软件中自定义函数功能,进行了多自变量多参数曲线拟合,从而讨论利用该功能提取未知参数的方法.通过对利用该功能对核物理中丰中子核对称能提取的研究表明,该方法得到的结果合理,并且操作容易,具有很好的实用价值.
- 魏慧玲王闪闪普洁马春旺
- 关键词：ORIGIN软件自定义函数
- 中能炮弹碎裂反应中的同位旋效应研究
- 现有和即将建成的放射性核束装置为研究极度丰中子核和极度丰质子核物理提供了极好的实验平台,这也促进同位旋物理研究成为当今核物理研究的前沿方向。同位旋现象是由于不对称核物质中的中子和质子的不对称性引起的,在多种实验现象中表现...
- 马春旺魏慧玲傅瑶方德清蔡翔舟田文栋王宏伟马余刚王俊阳刘高杰
- 文献传递
- 负的核物质对称能是否存在
- 2012年
- 对称能是核物理理论和实验研究中迷人的话题，它对研究原子核的低密度物质、天体中高密度物质物理等具有重要的意义．对称能依赖于温度和密度．其温度依赖有两种观点，一种认为对称能随着温度一直增加；另一种观点认为随着温度增加，对称能首先增加到最大值，然后随着温度增高而下降．这两种观点将对致密天体的演化将带来相差很大的后果．
- 张莎王闪闪普洁李小华苏小洁赵新丽王潇潇魏慧玲
- 关键词：丰中子核对称能重离子核反应
- 核散裂和弹核碎裂反应中余核产生的贝叶斯神经网络预测模型
- 2023年
- 核散裂反应和炮弹碎裂反应中的余核产生截面是核反应理论和实验中的重要问题。为了提高核散裂和弹核碎裂反应中余核(尤其是靠近滴线的稀有同位素)产生截面的预测,本文介绍了基于贝叶斯神经网络方法的两类预测模型。一类是无物理模型引导的BNN模型,另一类是有物理模型引导的BNN+模型。结果发现BNN模型需要学习充足的信息量,才能拥有较好的预测能力。而BNN+模型既能继承物理模型的优点,又能弥补该模型的缺陷。在同样少的样本数据下,BNN+模型仍具有很好的预测能力。
- 魏慧玲彭丹魏啸宝马春旺
- 关键词：贝叶斯神经网络
