报告题目：原子核无轨道能量密度泛函的机器学习研究

报告嘉宾：吴鑫辉，福州大学 副教授

报告时间：2024年8月13日 13:00

报告地点：吉林大学中心校区物理楼301会议室

嘉宾简介

　　吴鑫辉，2021年7月获得北京大学理学博士学位，被评为北京大学优秀毕业生。2021年7月至2023年6月在北京大学从事博士后研究，并获得北京大学“博雅”博士后项目的资助，合作导师为孟杰教授。2023年8月份起，入职福州大学，任副教授。至今为止在国际权威期刊上发表学术论文20余篇，包括Sci. Bull, Astrophys. J, Phys. Lett. B, Phys. Rev. C等。主要研究兴趣包括：元素起源、宇宙核纪年、原子核能量密度泛函、原子核质量、机器学习在核物理中的应用等。

报告简介

　　量子多体系统的求解是物理学领域长期面临的难题。Hohenberg和Kohn证明了量子多体系统的基态能量可以表示为密度的泛函，从而可以降低了求解复杂度。然而，Hohenberg-Kohn定理仅证明了能量密度泛函的存在性，而没有给出其具体形式。因此，探索精确的能量密度泛函是多体物理研究的热点和难点。在原子核物理领域，由于强相互作用的复杂性，确定能量密度泛函形式尤为困难，目前常用的原子核能量密度泛函均须引入单粒子轨道波函数自由度。

　　本报告将介绍利用机器学习方法构造无轨道能量密度泛函的研究工作。该工作首次利用机器学习方法将原子核的动能直接表示为核子密度的泛函，建立了精确的原子核无轨道能量密度泛函理论，实现了对氦4、氧16和钙40三种原子核基态性质的自洽计算，精度远高于现有的其它无轨道能量密度泛函理论。这项工作首次给出了直接基于Hohenberg-Kohn定理实现原子核多体问题的高精度求解，为原子核能量密度泛函理论的发展提供了新方案。

主办单位：

吉林大学科学技术协会

吉林大学物理学院