Kate Abigail Richardson

核物理长期依赖唯象模型预测原子核结合能，而高精度AI模型又难以判断外推是否可信。一个仅以质子数和中子数为输入的可解释神经网络，其内部表示自发形成双螺旋几何，并在主成分分解中重现液滴模型等宏观项，还重新发现了1969年提出后长期被忽视的局域Jaffe因子化。把这一因子化作为局域修正施加到WS4模型上，结合能预测的均方根误差降到0.12 MeV以下，且修正过程不依赖黑箱。

核物理长期依赖唯象模型预测原子核结合能，而高精度AI模型又难以判断外推是否可信。一个仅以质子数和中子数为输入的可解释神经网络，其内部表示自发形成双螺旋几何，并在主成分分解中重现液滴模型等宏观项，还重新发现了1969年提出后长期被忽视的局域Jaffe因子化。把这一因子化作为局域修正施加到WS4模型上，结合能预测的均方根误差降到0.12 MeV以下，且修正过程不依赖黑箱。