物理学家利用机器学习揭示壳结构的演变

一个研究小组使用机器学习方法研究了远离稳定谷的原子核壳结构的演变。这项研究发表在《物理快报 B》上，由中国科学院现代物理研究所 (IMP)、湖州大学和巴黎萨克雷大学的研究人员进行，揭示了锡-100 的双魔数性质以及氧-28 中魔数 20 的消失。

原子核由质子和中子组成。20世纪30年代，科学家发现，当质子或中子的数量为2、8、20、28、50、82或126时，原子核表现出相对稳定的性质，这些数字被称为“魔数”。魔数的发现被视为原子核壳层结构的直接证据。

然而，科学家逐渐意识到，魔数可能并非一成不变。“在远离稳定线的原子核中，传统的魔数还存在吗?是否有新的魔数出现?”

“这些问题的答案可能直接影响我们对原子核的理解，甚至与新的物理现象有关，”这项研究的通讯作者、IMP 副教授吕冰峰说。特别是，双魔核氧-28 和锡-100 中传统魔数的稳健性引起了人们的极大兴趣。

目前，机器学习被广泛应用于各个领域。在核物理中，原子核第一激发态的能量及其向基态的电磁跃迁概率是确定魔数的关键标准。因此，研究人员提出利用现代机器学习算法来研究壳层结构的演变。

“在这项研究中，我们考虑了原子核的多种特性，高精度地再现了所有偶偶核的低激发态和电磁跃迁概率的实验数据。

“这项研究的结果的准确性超过了所有现有的核模型和其他机器学习算法的准确性。”这项研究的另一位通讯作者、湖州大学的王永嘉说。

得益于对复杂实验数据的高精度分析以及机器学习的强大预测能力，研究人员发现氧-28中传统中子魔数20的消失，而对于原子核锡-100则发现传统魔数50依然保持完整。

此外，研究人员指出，原子核的一些基本性质对于改进机器学习方法至关重要，这将有助于深化对低位激发态性质的理解，促进理论模型的发展。

该研究结果为今后利用世界各地的稀有同位素设施，包括中国的高强度重离子加速器对原子核低激发能量和电磁跃迁特性的实验测量提供了有价值的指导。

　　免责声明：本文由用户上传，与本网站立场无关。财经信息仅供读者参考，并不构成投资建议。投资者据此操作，风险自担。 如有侵权请联系删除！