近日，原子能院核物理所杨磊、林承键、张英逊等将人工智能核心方法之一——贝叶斯方法首次应用于奇特核体系相互作用势的研究，并取得重要进展，为该方法在核物理领域的进一步应用打下了基础。该研究结果以“Bayesian analysis on interactions of exotic nuclear systems”（《贝叶斯方法在奇特核体系相互作用势研究中的应用》）为题，于6月20日发表在国际著名学术期刊Physics Letters B（《物理快报B》）上。

    目前，核物理领域的分析主要基于频率方法，与之相比，贝叶斯方法更为准确、高效、灵活，并且已在其它学科领域有着成功的应用。贝叶斯方法是基于现有的信息，即先验知识，对结果进行预测，从而得到后验分布。在这一理论框架下，先验知识具有重要作用，因其可能对后验分布具有决定性影响。

    从弹性散射抽取反应体系的相互作用势，是国际上常用的一种方法。该工作针对弱束缚核6Li+209Bi（锂6+铋209）体系，利用贝叶斯方法对其弹性散射数据进行了分析，考察了三种不同先验分布对所提取的相互作用光学势的影响（结果如图所示）。研究表明，贝叶斯方法的结果强烈依赖于先验分布。然而，这三种迥异的先验分布都能很好地重现实验的弹性散射角分布，说明弹性散射并不能对光学势参数进行足够的约束。在此情况下，研究人员建议使用传统无约束的频率方法或者均匀分布的贝叶斯方法做数据分析。在此基础上，研究人员进一步对通过转移反应抽取奇特核6He+209Bi（氦6+铋209）体系的光学势做了分析，结果表明，在合适的先验条件下，贝叶斯方法能够给出更准确的误差。

    贝叶斯方法是机器学习的核心算法之一，是基于已有的知识来预测所关心的信息，其结果带有先验的偏见。这导致了贝叶斯方法在发现新现象、新规律方面具有局限性。研究指出，对于新现象的探索，无偏见的先验知识是进行贝叶斯分析的更为合理的先验分布。

不同分析条件下的6Li+209Bi体系光学势

实部(a)和虚部(b)的能量相依性