近日，中國科學技術協(xié)會公布了第八屆中國科協(xié)優(yōu)秀科技論文遴選計劃結果，我校李慶峰、王永佳教授團隊的《Machine learning the nuclear mass》成功入選。這是我校首篇入選該獎項的論文，也是歷屆優(yōu)秀科技論文中首篇核物理理論相關的論文。

　　該課題組是國內最先利用機器學習方法開展研究核物理問題的團隊之一，近年來利用該方法在原子核質量、核物質狀態(tài)方程、密度依賴的對稱能、熔合反應、碰撞參數等核物理前沿課題上取得了重要突破，為相關核物理問題研究提供了新的范式。

　　原子核質量是原子核最基本的性質，對于理解基本相互作用和元素起源等科學問題具有重要意義。然而，由于原子核的復雜性，目前對原子核質量的理論預言仍面臨困難和挑戰(zhàn)。李慶峰教授團隊將機器學習方法應用于核物理問題的研究，通過對機器學習模型的泛化能力和可解釋性進行細致分析，展示了機器學習在從核物理相關數據中挖掘關鍵信息方面的強大能力。該團隊利用機器學習中的LightGBM決策樹方法，通過學習原子核質量模型的理論值與實驗值的殘差，優(yōu)化了質量模型，取得了當時最高精度的原子核質量預測結果。同時，團隊還對模型的外推能力、可解釋性分析、不確定性量化、新幻數探索、中子分離能以及中子滴線預位置等一系列熱點問題進行了詳細討論。

　　該論文發(fā)表在SCI收錄核科學技術類一區(qū)期刊《Nuclear Science and Techniques》上（第32卷第10期封面論文），并在國內外同行中引起了廣泛關注。據谷歌學術數據統(tǒng)計，該論文在短短兩年內被引用超過50次。引用文章包括來自北京大學、清華大學、復旦大學、中國科學院大學，美國麻省理工學院、密歇根州立大學、托馬斯·杰斐遜國家實驗室等學術機構以及意大利、哥倫比亞、印度、土耳其等國家的研究團隊，分別發(fā)表在《Reviews of Modern Physics》《Science China Physics, Mechanics & Astronomy》《Physics Letters B》《Physical Review C》《Nuclear Physics A》《Journal of Physics G: Nuclear and Particle Physics》《Chinese Physics C》《Nuclear Science and Techniques》等業(yè)內高水平專業(yè)期刊上。

　　中國科協(xié)第八屆優(yōu)秀科技論文遴選計劃旨在落實習近平總書記關于辦好一流學術期刊的重要指示，鼓勵科技工作者將更多高水平研究成果在國內期刊發(fā)表，從源頭推動我國科技期刊高質量發(fā)展，更好支撐高水平科技自立自強。此次評選經過各學科領域專家推薦、初評遴選、終評審定并向社會公示，最終確定81個學科共201篇論文入選。

　　論文鏈接：https://link.springer.com/article/10.1007/s41365-021-00956-1