English(EN) Product units in gated recurrent units improve nuclear-mass prediction

新的GRU模型提高了核质量预测精度

作者 PulseAugur 编辑部 · [1 个来源] · 2026-06-08 04:00

研究人员开发了一种新的机器学习技术，使用门控循环单元（GRU）来改进原子核质量的预测。通过在GRU架构中引入乘法交互和乘积单元变换，该模型在内插和外插任务中均取得了最先进的结果。复值加法-乘法乘积单元GRU（AM-PU-GRU）显示出比现有机器学习模型和传统GRU基线更低的预测误差。 AI

影响为基于序列的核质量预测树立了新基准，有可能加速核物理领域的科学发现。

排序理由该集群包含一篇详细介绍用于特定科学预测任务的新型机器学习模型的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]

AI 生成摘要 · Google Gemini · 来自 1 个来源。我们如何撰写摘要 →

报道来源 [1]

arXiv cs.LG TIER_1 English(EN) · Ziyuan Li, Paulo S. A. Freitas, John W. Clark, Babette Dellen · 2026-06-08 04:00

门控循环单元中的产品单元改进核质量预测

arXiv:2606.06866v1 Announce Type: new Abstract: The prediction of masses of atomic nuclei using machine learning can complement theoretical models and advance the exploration of poorly known domains of the nuclear chart. We propose a machine learning technique based on gated recu…