Fizičari otkrivaju evoluciju strukture školjke koristeći mašinsko učenje

Fizičari otkrivaju evoluciju strukture školjke koristeći mašinsko učenje

Istraživački tim je koristio pristup mašinskog učenja da istraži evoluciju strukture ljuske za jezgra daleko od doline stabilnosti. Studija, objavljena u časopisu Pisma fizike B i koju su sproveli istraživači sa Instituta za modernu fiziku (IMP) Kineske akademije nauka, Univerziteta Huzhou i Univerziteta Paris-Saclai, otkriva dvostruku magičnu prirodu kalaja-100 i nestanak magičnog broja 20 u kiseoniku-28.

Atomsko jezgro se sastoji od protona i neutrona. Tokom 1930-ih, naučnici su otkrili da jezgra pokazuju relativno stabilna svojstva kada je broj protona ili neutrona 2, 8, 20, 28, 50, 82 ili 126. Ovi brojevi su poznati kao „magični brojevi“. Otkriće magičnih brojeva smatra se direktnim dokazom strukture ljuske atomskih jezgara.

Međutim, naučnici su postepeno shvatili da magični brojevi možda nisu nepromenljivi. „U jezgrima daleko od linije stabilnosti, da li još uvek postoje tradicionalni magični brojevi? Da li se pojavljuju novi magični brojevi?

Odgovori na ova pitanja mogu direktno uticati na naše razumevanje atomskih jezgara, pa čak i da se odnose na nove fizičke fenomene“, rekao je Liu Bingfeng, vanredni profesor na IMP-u i odgovarajući autor ove studije. Konkretno, robusnost tradicionalnih magijskih brojeva dvostruko je magična jezgra, kiseonik-28 i kalaj-100, je od velikog interesovanja.

Trenutno se mašinsko učenje široko primenjuje u različitim oblastima. U nuklearnoj fizici energija prvog pobuđenog stanja jezgara i verovatnoća njegovog elektromagnetnog prelaska u osnovno stanje su ključni kriterijumi za identifikaciju magičnih brojeva. Stoga su istraživači predložili korišćenje savremenih algoritama mašinskog učenja za proučavanje evolucije strukture školjke.

„U ovoj studiji razmotrili smo mnoge karakteristike atomskih jezgara i postigli visoko preciznu reprodukciju eksperimentalnih podataka o niskim pobuđenim stanjima i verovatnoćama elektromagnetne tranzicije za sva parna jezgra.

„Tačnost rezultata u ovoj studiji nadmašila je rezultate svih postojećih nuklearnih modela i drugih algoritama mašinskog učenja“, rekao je Vang Jongđia sa Univerziteta Huzhou, drugi autor ove studije.

Zahvaljujući visokoj preciznosti u analizi složenih eksperimentalnih podataka i snažnim prediktivnim mogućnostima mašinskog učenja, istraživači su otkrili nestanak tradicionalnog neutronskog magijskog broja 20 u kiseoniku-28 i otkrili da tradicionalni magični broj 50 ostaje netaknut za jezgro kalaj- 100.

Pored toga, istraživači su pokazali da su neke fundamentalne osobine atomskih jezgara od suštinske važnosti za poboljšanje metode mašinskog učenja, što će pomoći da se produbi razumevanje svojstava pobuđenih stanja u niskom položaju i podstakne razvoj teorijskih modela.

Nalazi ove studije nude dragocene smernice za buduća eksperimentalna merenja nisko ležećih pobuđenih energija i elektromagnetnih prelaznih svojstava atomskih jezgara koristeći objekte retkih izotopa širom sveta, uključujući Ubrzivač visokog intenziteta teških jona u Kini.