<p><span style="font-size: 16px;">报告人学术简介<br>&nbsp; 刘健，中国石油大学（华东）教授，博士生导师。主要从事电子-原子核反应，核物理中的机器学习方法应用等方面的研究。2014年获南京大学物理学博士学位，2019-2020年赴美国密歇根州立大学FRIB国家实验室访问，担任中国核物理学会理事、山东省核学会理事。主持国家自然科学基金面上项目、山东省面上项目等多项课题，以第一作者或通讯作者发表SCI论文40余篇，被引用600余次。担任Physical Review C, Journal of Physics G, Chinese Physics C等国内多个期刊的审稿人。<br>报告内容<br>&nbsp; 核数据是核基础研究与工程应用的基础，实验测量范围有限且成本高昂，理论预测模型复杂且发展困难，报告介绍融合人工智能及核理论模型的核数据预测方法。基于不同特征的核数据，运用生成式和判别式两类分析模型。生成模型中构建了多种贝叶斯分类器，实现奇异核质量、半径的精确预测；判别模型中结合逻辑自回归和贝叶斯神经网络，实现超重核α衰变的精确描述。研究结果表明上述两种模型在发展核理论模型、预测未知核性质等方面拥有巨大应用潜力。</span></p>