5月7日上午，由江南大学研究生院主办、光电信息与物理科学学院承办的“江南讲坛”第一百八十八讲在钱伟长楼202会议室举行。教育部国家级青年人才、中国核工业教育学会理事、安徽省核学会理事、安徽大学博士生导师牛中明教授应邀作题为“机器学习对r过程核物理输入量的研究”的学术报告。本次讲坛由江南大学光电信息与物理科学学院副院长刘朗教授主持。
报告伊始，牛中明教授围绕核物理基础问题展开介绍，系统讲解了核力、量子多体问题等当前核物理研究中的核心科学问题，并介绍了从头算方法、壳模型以及密度泛函理论等主要计算方法。他指出，原子核作为复杂量子多体系统，传统理论模型在复杂核结构与未知区域预测方面仍面临挑战，这也为机器学习方法在核物理中的应用提供了重要空间。
随后，牛中明教授介绍了当前核物理领域长期积累的大量实验与理论数据，包括原子核质量、核半径、半衰期以及核反应数据库等内容，并指出这些高质量数据能够为机器学习模型训练提供重要支撑。
在机器学习部分，牛中明教授重点介绍了贝叶斯神经网络方法，分别讲解了贝叶斯方法在不确定性分析、相关性处理方面的优势，以及神经网络在数据拟合、未知区域预测和自主学习方面的特点，并进一步阐述了两者结合后在原子核质量预测、β衰变半衰期研究等领域中的应用价值。此外，他还介绍了Tensorflow Playground、1stOpt等实用工具，并结合实例讲解了神经网络模型的基本构建与训练过程。
在互动交流环节，现场师生围绕神经网络参数调节、多层网络结构以及机器学习在电磁学等其他物理领域中的应用展开讨论。牛中明教授指出，神经网络具有较强的可扩展性和适应性，不仅适用于核物理研究，同样能够应用于复杂电磁场分析及多物理场耦合等研究方向。
本次江南讲坛系统展示了机器学习特别是贝叶斯神经网络在核物理研究中的前沿进展与应用潜力，加深了师生对人工智能辅助科学计算的理解，为数据学习、模型参数优化以及密度泛函理论等方向研究提供了新思路。讲座进一步拓宽了师生学术视野，对推动人工智能与物理学交叉融合研究具有积极意义。
讲座现场
参会师生与嘉宾探讨交流
