Una colaboración entre la Facility for Rare Isotope Beams (FRIB) y el Departamento de Estadística y Probabilidad (STT) de la Universidad Estatal de Michigan (MSU) estimó los límites de la existencia nuclear aplicando análisis estadístico a modelos nucleares, y evaluó el impacto de los experimentos FRIB actuales y futuros.

Más del 99,9 por ciento del universo visible está formado por 286 isótopos estables. Sin embargo, la fuerza nuclear permite muchos más inestables, isótopos radiactivos para existir. Esa inestabilidad a menudo proviene de lo difícil que es mantener la cohesión cuando hay muchos más neutrones que protones en un núcleo dado. Es posible que nunca observemos la mayoría de estos isótopos inestables, pero estos habitantes efímeros de las fronteras nucleares son importantes:gobiernan los procesos en las estrellas que crean todo lo que nos rodea, y de qué estamos hechos.

Hace más de un año, FRIB y STT en MSU formaron una nueva colaboración entre la física nuclear y las ciencias estadísticas. Esta colaboración, dirigido por la contratación conjunta del investigador estadístico Dr. Léo Neufcourt, nació para lograr que la física nuclear y la estadística trabajaran juntas en la construcción de modelos predictivos que responderán preguntas fundamentales sobre isótopos raros.

A la luz del reciente descubrimiento de ocho nuevos isótopos raros de los elementos fósforo, azufre, cloro, argón, potasio, escandio, y calcio (los isótopos más pesados ​​de estos elementos jamás encontrados), el equipo de FRIB / STT estimó los límites de la existencia nuclear en la región del calcio con una cuantificación completa de las incertidumbres, evaluar el impacto del descubrimiento experimental en la investigación de estructuras nucleares. El trabajo está publicado en Cartas de revisión física .

El grupo utilizó un marco estadístico llamado aprendizaje automático bayesiano, donde los parámetros y las predicciones del modelo estadístico se obtienen en forma de probabilidad posterior. En esencia, este marco permite usar nuevos datos (evidencia) para estimar cuán probables son ciertos resultados relacionados. La metodología que emplean se explica en un artículo conjunto en Revisión física C . Después de un análisis individual de varios modelos nucleares, sus predicciones se combinan utilizando ponderaciones bayesianas basadas en la capacidad de cada modelo para dar cuenta de los descubrimientos más recientes.

Usando los últimos datos de masa y evidencia de la existencia de cloro, argón y azufre junto con lo que se conoce actualmente sobre los núcleos existentes, los investigadores aplicaron un enfoque bayesiano con modelos de teoría nuclear para predecir qué nuevos núcleos pesados ​​podrían ser, y con qué probabilidad podrían existir. Este análisis es una forma de lo que a veces se conoce como aprendizaje automático supervisado. El algoritmo primero recibe modelos nucleares e información sobre núcleos encontrados experimentalmente. Explora una miríada de posibilidades, pero luego se concentra en las más relevantes considerando los datos experimentales actuales. La metodología permite a los investigadores cuantificar las incertidumbres de sus predicciones de forma precisa y fiable.

Sobre ese asunto, estiman que los isótopos de calcio más pesados, hasta calcio-70, podría existir (ver figura). Según estos resultados, calcio-68, por ejemplo, tiene un 76 por ciento de probabilidades de existir. Esta estimación puede cambiar a medida que los científicos descubran nuevos isótopos en la misma región, que el equipo utilizará para actualizar sus predicciones. En el futuro, FRIB permitirá a los científicos crear potencialmente calcio-68 o incluso calcio-70.

El equipo está trabajando en varios otros usos del aprendizaje automático bayesiano con aplicaciones a la física nuclear, incluyendo un proyecto para calibrar el haz de partículas en el acelerador FRIB. Se espera que la metodología tenga aplicaciones directas en áreas que necesitan datos cuantificados de extrapolaciones basadas en modelos, como la astrofísica nuclear.