|
ИСТИНА |
Войти в систему Регистрация |
Интеллектуальная Система Тематического Исследования НАукометрических данных |
||
StarkML: application of machine learning to overcome lack of data on electron-impact broadening parametersстатья Исследовательская статья
Статья опубликована в высокорейтинговом журнале
Информация о цитировании статьи получена из
Scopus
Статья опубликована в журнале из списка Web of Science и/или Scopus
Дата последнего поиска статьи во внешних источниках: 15 февраля 2024 г.
- Авторы: Zakuskin Aleksandr S., Labutin Timur A.
- Журнал: Monthly Notices of the Royal Astronomical Society
- Том: 527
- Номер: 2
- Год издания: 2024
- Издательство: Oxford Journals, Oxford University Press
- Местоположение издательства: Oxford, UK, England
- Первая страница: 3139
- Последняя страница: 3145
- DOI: 10.1093/mnras/stad3387
- Аннотация: Parameters of electron-impact (Stark) broadening and shift of spectral lines are of key importance in various studies of plasma spectroscopy and astrophysics. To overcome the lack of accurately known Stark parameters, we developed a machine learning approach for predicting Stark parameters of neutral atoms’ lines. By implementing a data preprocessing routine and explicitly testing models’ predictive ability and generalizability, we achieve a high level of accuracy in parameters prediction as well as physically meaningful temperature dependence. The applicability of the results is demonstrated by the case of low-temperature plasma diagnostics. The developed model is readily accessible for predicting desired Stark parameters.
- Добавил в систему: Лабутин Тимур Александрович