Fasta antal protoner och neutroner - kärnornas byggstenar - kan ordna om sig själva inom en enda kärna. Produkterna av denna omblandning inkluderar elektromagnetiska (gammastrålnings) övergångar. Dessa övergångar kopplar ihop exciterade energinivåer som kallas kvantnivåer, och mönstret i dessa anslutningar ger ett unikt "fingeravtryck" för varje isotop.
Att fastställa dessa fingeravtryck ger ett känsligt test av forskarnas förmåga att beskriva en av de grundläggande krafterna, den starka (kärnkraft) som håller ihop protoner och neutroner.
I laboratoriet kan forskare initiera rörelsen av protoner och neutroner genom en injektion av överskottsenergi med hjälp av en kärnreaktion.
I en artikel, publicerad i Physical Review C , använde forskare framgångsrikt detta tillvägagångssätt för att studera fingeravtrycket av svavel-38. De använde också maskininlärning och andra banbrytande verktyg för att analysera data.
Resultaten ger ny empirisk information om "fingeravtrycket" av kvantenerginivåer i svavel-38-kärnan. Jämförelser med teoretiska modeller kan leda till viktiga nya insikter. Till exempel visade en av beräkningarna nyckelrollen som en viss nukleonomloppsbana spelar i modellens förmåga att reproducera fingeravtrycken från svavel-38 såväl som närliggande kärnor.
Studien är också viktig för dess första framgångsrika implementering av en specifik maskininlärningsbaserad metod för att klassificera data. Forskare anammar detta tillvägagångssätt för andra utmaningar inom experimentell design.
Forskare använde en mätning som inkluderade en maskininlärningsassisterad analys (ML) av de insamlade data för att bättre bestämma de unika kvantenerginivåerna - ett "fingeravtryck" som bildas genom omarrangemanget av protonerna och neutronerna - i den neutronrika kärnan svavel-38 .
Resultaten fördubblade mängden empirisk information om just detta fingeravtryck. De använde en kärnreaktion som involverade fusion av två kärnor, en från en tungjonstråle och den andra från ett mål, för att producera isotopen och introducera den energi som behövs för att excitera den till högre kvantnivåer.
Reaktionen och mätningen utnyttjade en tungjonstråle producerad av ATLAS Facility (en avdelning för energianvändaranläggning), ett mål som producerats av Center for Accelerator and Target Science (CATS), detektering av elektromagnetiska sönderfall (gammastrålar) med Gamma-Ray Energy Tracking Array (GRETINA) och detektering av kärnorna som produceras med hjälp av Fragment Mass Analyzer (FMA).
På grund av komplexiteten i de experimentella parametrarna – som hängde mellan produktionsutbytet av svavel-38 kärnor i reaktionen och de optimala inställningarna för detektion – anpassade forskningen och implementerade ML-tekniker under hela datareduktionen.
Dessa tekniker uppnådde betydande förbättringar jämfört med andra tekniker. Själva ML-ramverket bestod av ett helt uppkopplat neuralt nätverk som tränades under övervakning för att klassificera svavel-38-kärnor mot alla andra isotoper som produceras av kärnreaktionen.
Mer information: C. R. Hoffman et al, Experimentell studie av 38 S upphetsad nivåschema, Physical Review C (2023). DOI:10.1103/PhysRevC.107.064311. På arXiv (2023):DOI:10.48550/arxiv.2305.16969
Tillhandahålls av US Department of Energy
