報告摘要：

Modern theoretical frameworks can predict nuclear masses with root mean square deviation below 600 keV in comparison to experimental data but the estimation on the theoretical uncertainty across the nuclear chart remains an elusive task. The recently developed Bayesian model averaging approaches may provide information about theoretical uncertainty quantification as well as the relative performance of different models in predicting nuclear masses. In this work, we propose a new nuclear mass model by applying local Bayesian Dirichlet mixture models to estimate the mixture of different configurations within a single theoretical framework. In this way, we obtain for the first time a probabilistic nuclear mass model that not only gives probability distributions for each prediction but also demonstrates higher accuracy compared to existing mass models with a comparable number of parameters.

主講人簡介：

亓沖（副）教授2009年獲得北京大學博士學位，前往瑞典皇家理工學院進行博士后研究， 2014年獲得助理教授職位，2018年破格晉升為長聘副教授，2021年成為瑞典皇家理工學院核物理部門副主任。亓沖（副）教授在近年來亦獲得多項國際榮譽，其中包括2020年、2022年EPJ（European Physical Journal）杰出審稿人，2022年世界科學出版社杰出審稿人，2020年、2021年、2022年CPC（Chinese Physics C）杰出審稿人獎，2017年、2018年IOP（Institute of Physics）杰出審稿人獎，2016年獲得 G?ran Gustafsson 年輕研究者大獎，并于2021年起開始擔任瑞典物理學會核物理分會主席。在核物理、核天體物理和計算物理領域的頂尖期刊上發表了超過150篇論文，并在經過同行評議的會議論文集上獨立撰寫了20余篇研究論文?？傄么螖党^3000次。他還是6個核物理相關模型開源代碼的共同作者，這些代碼被全球核物理工作者廣泛使用。