核質量、または核結合エネルギー（$ E_b $）の高精度予測は、核物理学の研究において重要な目標のままです。最近、多くのAIベースのツールがこの課題に対して有望な結果を示しており、一部は最高の物理モデルを凌駕する精度を達成した。しかし、AIモデルの有用性は、測定値がない場合にのみ予測が有用であることを考慮すると疑問が提起されます。これは本質的に訓練（およびテスト）サンプルから外れた外挿を必要とします。 AIモデルはほとんどブラックボックスなので、これらの外挿の信頼性を評価することは困難です。この研究では、$ E_b $に対して最先端の精度を達成するだけでなく、解釈可能な方法でこれを実行するAIモデルを提示します。例えば、モデルの内部表現の最も重要な次元が二重らせんを形成し、ここでDNAの水素結合と同様に、各同位体鎖の中で最も安定な核に見られるプロトン数と中性子数を連結することを発見し、その理由を説明します。さらに、AIの$ E_b $予測を階層的に因子化および整列させることができ、最も重要な項はよく知られた象徴的モデル（例えば、有名な液滴モデル）に対応することを示す。驚くべきことに、象徴的なモデルに対するAIモデルの改善は、ほぼ完全に1969年にJaffeが知られているほとんどの核底状態の構造に基づく観察に起因する可能性があります。その結果、AIによって推論された物理学に基づいて完全に解釈可能なデータベースの核質量モデルが導出されます。
