将 ScienceAI 设为星标
第一时间掌握
新鲜的 AI for Science 资讯
编译 | 紫罗
近日，中国科学院近代物理研究所（IMP）副研究员吕冰锋、湖州师范学院王永佳教授和巴黎萨克雷大学的研究人员，利用机器学习方法研究原子核低位激发态的能量和电磁跃迁几率，在探索原子核壳演化研究中取得重要进展。
研究揭示了锡-100 的双幻（double-magic）性质以及氧-28 中幻数 20 的消失。相关研究发表在《Physics Letters B》上。
论文链接：https://doi.org/10.1016/j.physletb.2024.139013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、126 时，原子核表现出相对稳定的性质。这些数字被称为「幻数」（magic number）。幻数的发现被视为原子核壳层结构的直接证据。
然而，科学家们逐渐意识到，幻数可能并不是一成不变的。
「在远离稳定线的原子核中，传统的幻数还存在吗？是否有新的幻数出现？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。」该研究通讯作者、中科院近代物理研究所副教授吕冰锋说。其中，传统幻数在双幻核氧-28 和锡-100 中的稳健性引起了科学家极大的兴趣。
目前，机器学习在各个领域得到广泛应用。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识别幻数的关键标准。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诸多特性，针对核素图上所有质子数和中子数都是偶数的原子核，高精度重现了其低位激发态跃迁到基态的电磁跃迁几率的实验数据。」
该研究另一位通讯作者、湖州师范学院的王永佳说：「这项研究结果的精度超过了所有现有的核模型和其他机器学习算法。」
得益于机器学习对复杂实验数据的高精度分析和强大的预测能力，研究人员在氧-28 中发现了传统中子幻数 20 的消失，在锡-100 中发现了传统幻数 50 的依旧保持。
此外，研究人员还表明，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激发态性质的理解，促进理论模型的发展。
此次研究成果也为未来在我国强流重离子加速器装置（HIAF）开展相关实验提供了指导与参考。
参考内容：https://phys.org/news/2024-09-physicists-reveal-evolution-shell-machine.html
人工智能 × [ 生物 神经科学 数学 物理 化学 材料 ]
「ScienceAI」关注人工智能与其他前沿技术及基础科学的交叉研究与融合发展。
欢迎关注标星，并点击右下角点赞和在看。
点击阅读原文，加入专业从业者社区，以获得更多交流合作机会及服务。
