吉林大学物理学院李剑教授课题组于2022年8月在《Nuclear Science and Techniques》期刊上发表的论文“Prediction of nuclear charge density distribution with feedback neural network”，近日荣获该刊“2024年度优秀论文”称号。该论文的第一作者为2022级直博生尚天帅，通讯作者为李剑教授与安徽大学牛中明教授。研究通过结合前馈神经网络与两参数费米模型，实现了对原子核电荷密度分布的高精度预测，为相关实验研究提供了重要理论支持。
近年来，李剑教授团队在原子核电荷性质研究方面取得多项突破。最近，该课题组与合作者在《Physical Review C》上以快报(Letter)形式发表重要成果[Phys. Rev. C 112, L021303 (2025)]，基于相对论密度泛函理论成功解释了钙同位素链中长期存在的电荷半径反常现象。研究首次在不引入可调参数的情况下，同时考虑核子内禀电磁结构及核形状的量子涨落效应，显著提升了理论预测与实验数据的一致性，清晰再现了从⁴⁰Ca到⁴⁸Ca的电荷半径演化趋势。该方法还成功应用于描述锡(Sn)与镉(Cd)同位素的电荷半径偏移问题，展现出良好的普适性和可靠性。
此外，团队还在类氢离子核体积效应、缪原子光谱提取核电荷半径、电荷分布高阶矩计算以及全局电荷密度预测等方面发表多篇高水平论文，持续推动原子核物理前沿发展。该系列研究受到国家自然科学基金和吉林省自然科学基金等项目的资助。
