2025年8月24日，《核技术》和《Nuclear Science and Techniques》期刊组织的“核科技前沿创新发展研讨会-暨两刊编委会第三次全体编委大会”在上海复旦大学（江湾校区）召开。
由李庆峰教授担任通讯作者、我校联合培养的硕士生高泽鹏（现为中山大学在读博士生）为第一作者的论文《利用机器学习方法对几个核物理问题的深入研究》，荣获2024年度《核技术》“优秀论文”称号。
王永佳教授因在提升《核技术》期刊学术质量与国际影响力方面作出的突出贡献，被授予“《核技术》优秀青年编委”荣誉称号。
期刊简介：
《核技术》由中国科学院上海应用物理研究所和中国核学会主办。创刊于1978年，先后被EI、北大核心等数据库收录，入选《中国核学会核领域期刊分级目录（2024）》T1级等。旨在展示最新的核科学技术发展动向和国内外最新核科技成果，及时反映我国核科学技术的现状和学术水平。
《Nuclear Science and Techniques》创刊于1990年，是中国核学会(CNS)英文会刊，先后被Scopus、EI、SCI-E、Inspire等数据库收录，入选中国科学院期刊分区表大类“物理与天体物理”1区，同时在“核科学技术”和“物理：核物理”小类也均位列1区。主要报道核科学与技术领域的科学发现、技术创新和重要成果。
论文简介：
近年来，机器学习在核物理研究中展现出巨大潜力，科研人员借助先进算法能够从复杂庞大的数据中挖掘深层物理规律。该论文重点评估了卷积神经网络（CNN）与LightGBM在原子核质量模型修正、重离子碰撞参数重构以及对称能斜率参数提取这三个前沿问题上的表现。研究结果表明：（1）原子核质量公式的均方根偏差被优化至小于0.2 MeV，且在外推任务中依然保持良好精度；（2）在 1 GeV/nucleon的Au+Au碰撞中，碰撞参数重构精度达到 Δb < 0.1 fm，在 0.27 GeV/nucleon的Sn+Sn 碰撞中为 Δb ≈ 0.3–0.4 fm；（3）对5种对称能的分类准确率分别为 58%（质子谱） 和 72%（中子谱）；（4）在使用30个特征量时，对称能斜率参数预测值和真实值之间平均绝对误差小于30 MeV。上述成果为相关核物理问题的研究提供了全新的思路与方法。该研究得到国家自然科学基金和国家重点研发计划的资助。
论文链接：
https://www.hjs.sinap.ac.cn/zh/article/doi/10.11889/j.0253-3219.2023.hjs.46.080009/
相关报道链接：
https://mp.weixin.qq.com/s/4F3krB1Sm42O3PMg2ro0BA
