中法核工程与技术学院核声论坛（总第200期）

报告摘要：

Modern theoretical frameworks can predict nuclear masses with root mean square deviation below 600 keV in comparison to experimental data but the estimation on the theoretical uncertainty across the nuclear chart remains an elusive task. The recently developed Bayesian model averaging approaches may provide information about theoretical uncertainty quantification as well as the relative performance of different models in predicting nuclear masses. In this work, we propose a new nuclear mass model by applying local Bayesian Dirichlet mixture models to estimate the mixture of different configurations within a single theoretical framework. In this way, we obtain for the first time a probabilistic nuclear mass model that not only gives probability distributions for each prediction but also demonstrates higher accuracy compared to existing mass models with a comparable number of parameters.

主讲人简介：

亓冲（副）教授2009年获得北京大学博士学位，前往瑞典皇家理工学院进行博士后研究， 2014年获得助理教授职位，2018年破格晋升为长聘副教授，2021年成为瑞典皇家理工学院核物理部门副主任。亓冲（副）教授在近年来亦获得多项国际荣誉，其中包括2020年、2022年EPJ（European Physical Journal）杰出审稿人，2022年世界科学出版社杰出审稿人，2020年、2021年、2022年CPC（Chinese Physics C）杰出审稿人奖，2017年、2018年IOP（Institute of Physics）杰出审稿人奖，2016年获得 Göran Gustafsson 年轻研究者大奖，并于2021年起开始担任瑞典物理学会核物理分会主席。在核物理、核天体物理和计算物理领域的顶尖期刊上发表了超过150篇论文，并在经过同行评议的会议论文集上独立撰写了20余篇研究论文。总引用次数超过3000次。他还是6个核物理相关模型开源代码的共同作者，这些代码被全球核物理工作者广泛使用。