Un número fijo de protones y neutrones (los componentes básicos de los núcleos) pueden reorganizarse dentro de un solo núcleo. Los productos de esta reorganización incluyen transiciones electromagnéticas (rayos gamma). Estas transiciones conectan niveles de energía excitados llamados niveles cuánticos, y el patrón en estas conexiones proporciona una "huella digital" única para cada isótopo.
La determinación de estas huellas proporciona una prueba sensible de la capacidad de los científicos para describir una de las fuerzas fundamentales, la fuerza fuerte (nuclear) que mantiene unidos a los protones y neutrones.
En el laboratorio, los científicos pueden iniciar el movimiento de protones y neutrones mediante una inyección de exceso de energía mediante una reacción nuclear.
En un artículo publicado en Physical Review C , los investigadores utilizaron con éxito este enfoque para estudiar la huella digital del azufre-38. También utilizaron aprendizaje automático y otras herramientas de vanguardia para analizar los datos.
Los resultados proporcionan nueva información empírica sobre la "huella digital" de los niveles de energía cuántica en el núcleo de azufre-38. Las comparaciones con modelos teóricos pueden conducir a nuevos conocimientos importantes. Por ejemplo, uno de los cálculos destacó el papel clave desempeñado por un orbital de nucleón particular en la capacidad del modelo para reproducir las huellas dactilares del azufre-38, así como de los núcleos vecinos.
El estudio también es importante por su primera implementación exitosa de un enfoque específico basado en el aprendizaje automático para clasificar datos. Los científicos están adoptando este enfoque para otros desafíos en el diseño experimental.
Los investigadores utilizaron una medición que incluía un análisis asistido por aprendizaje automático (ML) de los datos recopilados para determinar mejor los niveles únicos de energía cuántica (una "huella digital" formada a través de la reorganización de los protones y neutrones) en el núcleo rico en neutrones de azufre-38. .
Los resultados duplicaron la cantidad de información empírica sobre esta huella digital en particular. Utilizaron una reacción nuclear que implica la fusión de dos núcleos, uno de un haz de iones pesados y el segundo de un objetivo, para producir el isótopo e introducir la energía necesaria para excitarlo a niveles cuánticos superiores.
La reacción y medición aprovecharon un haz de iones pesados producido por la instalación ATLAS (una instalación usuaria del Departamento de Energía), un objetivo producido por el Centro de Aceleradores y Ciencias de Objetivos (CATS), la detección de desintegraciones electromagnéticas (rayos gamma) utilizando el Gamma-Ray Energy Tracking Array (GRETINA) y la detección de los núcleos producidos mediante el Fragment Mass Analyzer (FMA).
Debido a las complejidades de los parámetros experimentales, que dependían entre los rendimientos de producción de los núcleos de azufre-38 en la reacción y los ajustes óptimos para la detección, la investigación adaptó e implementó técnicas de aprendizaje automático durante toda la reducción de datos.
Estas técnicas lograron mejoras significativas con respecto a otras técnicas. El marco ML en sí consistía en una red neuronal completamente conectada que fue entrenada bajo supervisión para clasificar los núcleos de azufre-38 frente a todos los demás isótopos producidos por la reacción nuclear.
Más información: C. R. Hoffman et al, Estudio experimental de los 38 Esquema de niveles excitados, Revisión física C (2023). DOI:10.1103/PhysRevC.107.064311. En arXiv (2023):DOI:10.48550/arxiv.2305.16969
Proporcionado por el Departamento de Energía de EE. UU.
