Un nombre fixe de protons et de neutrons – les éléments constitutifs des noyaux – peuvent se réorganiser au sein d’un seul noyau. Les produits de ce remaniement incluent des transitions électromagnétiques (rayons gamma). Ces transitions relient des niveaux d'énergie excités appelés niveaux quantiques, et le modèle de ces connexions fournit une « empreinte digitale » unique pour chaque isotope.
La détermination de ces empreintes digitales constitue un test sensible de la capacité des scientifiques à décrire l'une des forces fondamentales, la force (nucléaire) forte qui maintient les protons et les neutrons ensemble.
En laboratoire, les scientifiques peuvent initier le mouvement des protons et des neutrons grâce à une injection d'énergie excédentaire à l'aide d'une réaction nucléaire.
Dans un article publié dans Physical Review C , les chercheurs ont utilisé avec succès cette approche pour étudier l’empreinte digitale du soufre-38. Ils ont également utilisé l'apprentissage automatique et d'autres outils de pointe pour analyser les données.
Les résultats fournissent de nouvelles informations empiriques sur « l’empreinte digitale » des niveaux d’énergie quantique dans le noyau soufre 38. Les comparaisons avec des modèles théoriques peuvent conduire à de nouvelles connaissances importantes. Par exemple, l'un des calculs a mis en évidence le rôle clé joué par une orbitale de nucléon particulière dans la capacité du modèle à reproduire les empreintes digitales du soufre 38 ainsi que celles des noyaux voisins.
L’étude est également importante pour la première mise en œuvre réussie d’une approche spécifique basée sur l’apprentissage automatique pour classer les données. Les scientifiques adoptent cette approche pour relever d'autres défis liés à la conception expérimentale.
Les chercheurs ont utilisé une mesure qui comprenait une analyse assistée par apprentissage automatique (ML) des données collectées pour mieux déterminer les niveaux d'énergie quantique uniques (une « empreinte digitale » formée par le réarrangement des protons et des neutrons) dans le noyau riche en neutrons du soufre-38. .
Les résultats ont doublé la quantité d’informations empiriques sur cette empreinte digitale particulière. Ils ont utilisé une réaction nucléaire impliquant la fusion de deux noyaux, l'un provenant d'un faisceau d'ions lourds et le second d'une cible, pour produire l'isotope et introduire l'énergie nécessaire pour l'exciter à des niveaux quantiques plus élevés.
La réaction et la mesure ont exploité un faisceau d'ions lourds produit par l'installation ATLAS (une installation utilisateur du ministère de l'Énergie), une cible produite par le Center for Accelerator and Target Science (CATS), la détection des désintégrations électromagnétiques (rayons gamma) à l'aide le Gamma-Ray Energy Tracking Array (GRETINA) et la détection des noyaux produits à l'aide du Fragment Mass Analyser (FMA).
En raison de la complexité des paramètres expérimentaux, qui dépendaient des rendements de production des noyaux de soufre 38 dans la réaction et des paramètres optimaux de détection, la recherche a adapté et mis en œuvre des techniques de ML tout au long de la réduction des données.
Ces techniques ont apporté des améliorations significatives par rapport aux autres techniques. Le cadre ML lui-même consistait en un réseau neuronal entièrement connecté qui a été formé sous supervision pour classer les noyaux de soufre 38 par rapport à tous les autres isotopes produits par la réaction nucléaire.
Plus d'informations : C. R. Hoffman et al, Étude expérimentale du 38 Schéma de niveau S excité, Examen physique C (2023). DOI :10.1103/PhysRevC.107.064311. Sur arXiv (2023) :DOI :10.48550/arxiv.2305.16969
Fourni par le Département américain de l'énergie
