Title: 深度学习驱动的原子核第一性原理研究

Speaker: 赵鹏巍 北京大学

         赵鹏巍，北京大学研究员，2012年获北京大学理学博士学位，先后在日本京都大学基础物理学研究所(YITP)、美国阿贡国家实验室工作。2018年，入选国家海外高层次青年人才，同年入职北京大学物理学院。主要研究方向包括相对论量子多体理论、相对论有效场论、奇特原子核性质、基本对称性及其破缺机制等，发表论文120多篇，在物理学顶级期刊《Physical Review Letters》发表论文14篇，总引用5000多次，H 因子为39，入选美国斯坦福大学和爱思唯尔(Elsevier)联合发布的全球前2%顶尖科学家榜单(生涯科研影响力榜单)。

Abstract: 

        从自由空间核力出发，以第一性原理方法理解原子核的结构与性质，是现代核理论的核心目标之一。然而，该领域面临两大主要挑战:其一，在核力层面，三体核力仍存在显著的不确定性;其二，在多体系统求解层面，计算复杂度随核子数增加呈指数级增长。报告将介绍我们近期提出的基于深度学习的原子核从头计算方法一-FeynmanNet。该方法结合量子蒙特卡罗方法与深度学习算法，实现了原子核波函数的高精度变分计算，并可在多核子体系中实现多项式级扩展。基于这一框架，我们对轻核的结构与散射等性质进行了系统的高精度研究，并取得了一系列新的结果。本报告将展示相关的最新进展与物理启示。

主持人： 付伟杰

2026.7.18, 15:00

厚义楼101室