Машинное обучение для задач экстраполяции с малым объемом данных

Предложен новый метод экстраполяции вариационных расчетов, в основе которого лежит обучение большого числа искусственных нейронных сетей (ИНС) с последующей фильтрацией для отбора сетей, обученных наилучшим образом. Метод апробирован на модельной задаче с точным решением и применен к оценке энергии связи ядра ${}^4$He на основе расчетов в модели оболочек без инертного кора (МОБИК) с реалистическим потенциалом Daejeon16. Изучена сходимость результатов при увеличении объема входных данных. Показано, что метод обеспечивает достаточно высокую точность прогноза даже в случае небольших модельных пространств. Предложенный метод можно применять как для нахождения других характеристик ядер, так и для решения иных задач, не связанных с ядерной физикой.