베타 붕괴 반감기 예측을 위한 최신 인공신경망 모델

본 논문은 베타 마이너스(β⁻) 붕괴 전적으로 진행되는 핵의 반감기를 전역적으로 예측하기 위한 새로운 통계적 모델을 제시한다. 연구 배경으로는 천체물리학 및 핵물리학에서 중성자 풍부 핵의 β⁻ 붕괴 반감기가 r‑프로세스 핵합성에 결정적인 역할을 하며, 실험적으로 접근이 어려운 영역이 많아 신뢰할 수 있는 이론·예측 모델이 절실히 필요하다는 점을 들었다. 기존에는 Gross Theory(GT), 반쯤-양자역학적 QRPA(pn‑QRPA), 그리고 최근의 DF+CQRP‑A, relativistic QRPA 등 다양한 미시·거시 모델이 개발되었지만, 예측 정확도가 종종 실험값보다 1~2 오더 차이로 크게 떨어졌다. 이에 저자들은 머신러닝, 특히 인공신경망(ANN)을 활용한 데이터‑드리븐 접근법을 선택했다. 핵의 기본 입력 변수는 원자 번호 Z와 중성자 수 N이며, 출력은 실험적으로 측정된 반감기의 로그값(log₁₀ T₁/₂)이다. 로그 변환은 반감기가 10⁻³ s부터 10¹⁰ yr까지 13 오더에 걸쳐 변동하는 특성을 정규화하기 위함이다. 네트워크 구조는 완전 연결(feed‑forward) 형태의 다층 퍼셉트론으로,