Vaste aantallen protonen en neutronen – de bouwstenen van kernen – kunnen zichzelf binnen één kern herschikken. De producten van deze herschikking omvatten elektromagnetische (gammastraling) overgangen. Deze overgangen verbinden aangeslagen energieniveaus die kwantumniveaus worden genoemd, en het patroon in deze verbindingen zorgt voor een unieke ‘vingerafdruk’ voor elke isotoop.

Het bepalen van deze vingerafdrukken levert een gevoelige test op van het vermogen van wetenschappers om een ​​van de fundamentele krachten te beschrijven:de sterke (nucleaire) kracht die protonen en neutronen bij elkaar houdt.

In het laboratorium kunnen wetenschappers de beweging van protonen en neutronen op gang brengen door overtollige energie te injecteren met behulp van een kernreactie.

In een paper, gepubliceerd in Physical Review C hebben onderzoekers deze aanpak met succes gebruikt om de vingerafdruk van zwavel-38 te bestuderen. Ze gebruikten ook machine learning en andere geavanceerde tools om de gegevens te analyseren.

De resultaten bieden nieuwe empirische informatie over de "vingerafdruk" van kwantumenergieniveaus in de zwavel-38-kern. Vergelijkingen met theoretische modellen kunnen tot belangrijke nieuwe inzichten leiden. Eén van de berekeningen benadrukte bijvoorbeeld de sleutelrol die een bepaalde atoomorbitaal speelt in het vermogen van het model om de vingerafdrukken van zwavel-38 en naburige kernen te reproduceren.

De studie is ook belangrijk voor de eerste succesvolle implementatie van een specifieke, op machine learning gebaseerde benadering voor het classificeren van gegevens. Wetenschappers passen deze aanpak toe bij andere uitdagingen op het gebied van experimenteel ontwerp.

Onderzoekers gebruikten een meting die een door machine learning (ML) ondersteunde analyse van de verzamelde gegevens omvatte om de unieke kwantumenergieniveaus – een ‘vingerafdruk’ gevormd door de herschikking van de protonen en neutronen – in de neutronenrijke kernzwavel-38 beter te bepalen. .

De resultaten verdubbelden de hoeveelheid empirische informatie over deze specifieke vingerafdruk. Ze gebruikten een kernreactie waarbij twee kernen samensmelten, één uit een bundel zware ionen en de tweede uit een doel, om de isotoop te produceren en de energie te introduceren die nodig is om deze naar hogere kwantumniveaus te brengen.

De reactie en meting maakten gebruik van een bundel zware ionen geproduceerd door de ATLAS Facility (een gebruikersfaciliteit van het Department of Energy), een doelwit geproduceerd door het Center for Accelerator and Target Science (CATS), de detectie van elektromagnetisch verval (gammastraling) met behulp van de Gamma-Ray Energy Tracking Array (GRETINA) en de detectie van de kernen die zijn geproduceerd met behulp van de Fragment Mass Analyzer (FMA).

Vanwege de complexiteit van de experimentele parameters – die draaiden tussen de productieopbrengsten van de zwavel-38-kernen in de reactie en de optimale instellingen voor detectie – heeft het onderzoek ML-technieken aangepast en geïmplementeerd tijdens de datareductie.

Deze technieken bereikten aanzienlijke verbeteringen ten opzichte van andere technieken. Het ML-framework zelf bestond uit een volledig verbonden neuraal netwerk dat onder toezicht was getraind om zwavel-38-kernen te classificeren tegen alle andere isotopen die door de kernreactie werden geproduceerd.

Meer informatie: C. R. Hoffman et al, Experimenteel onderzoek naar de ³⁸ S opgewonden niveauschema, Fysieke beoordeling C (2023). DOI:10.1103/PhysRevC.107.064311. Op arXiv (2023):DOI:10.48550/arxiv.2305.16969

Aangeboden door het Amerikaanse ministerie van Energie