本文结合原子核结构的传统研究方法和目前火热的深度学习理论系统的研究了原子核的密度分布。在此过程中,使用了描述有限核的基于密度泛函理论的Skyrme-Hartree-Fock（SHF）+BCS模型计算目标核子密度分布,用以训练深度神经网络。在机器学习的过程中存在一个转折点,该点展现了从类Fermi分布到现实的Skyrme分布的过渡。最终结果表明,只用约10%的核素（300-400）足以描述整个实验发现的核素图区的核子密度分布,中心的平均绝对误差相对于饱和密度而言不到2%。对比Bogoliubov提出的处理对关联的方法和不同的Skyrme核力,神经网络得到了相似的结论,这说明这种方法具有普遍性、不依赖于特定的物理模型。针对于动量分布,同样使用了SHF模型所求得的坐标空间波函数,利用基矢的汉克儿变换（魏格纳变换）,获取各个壳层的动量空间波函数,进而求得动量分布。此外,本文还研究了核物质的动量分布,使用了基于谱函数方法的Brueckner-Hartree-Fock（BHF）模型,计算了不同不对称度和密度下的动量分布,并研究了该种方法下动量分布的标度性,最后给出了统一描述密度和不对称度依赖的动量分布形式。本文除了对核结构方法下获得密度和动量分布进行了研究,还利用基于同位旋相关的Boltzmann-Uehling-Uhlenbeck（IBUU）输运模型考察了相关核结构效应对重离子碰撞产生的探针带来的影响。这些结构效应从两个方面开展:一方面,采用不同的模型框架——SHF和Shell-Model产生了 S和C1同位素链的密度分布。对于壳模型而言,核芯通常被冻结,因此通过壳模型的价核子分布加上16O的密度分布来和平均场模型对比。理论和实验对价核子的谐振子基矢长度有不同的要求,bHO=2.5 fm和bHO=2.0 fm。对于理论情况,碰撞后π介子产量有明显的区别;而对于实验而言,双π-/π+比值有明显的差异。这项研究体现了混合组态带来的碰撞效应。另一方面,每核子入射能量为400 MeV的197Au+197Au反应中,研究了碰撞核中核子动量分布的高动量尾巴（HMTs）差异对一些同位旋敏感观测量的影响。研究发现,核子横向流和椭圆流、低动量处的自由中质比对HMT的具体形式都不太敏感,而高动量处的自由中质比、π-、π+的产量以及库仑峰附近的π-/π+对HMT的具体形式很敏感。事实上,这项研究结合试验对核物质或者重核的短程关联具有深远的意义。