导读 中山大学研究人员在《核科学与技术》杂志发表的一项研究中，在理解超重核衰变过程方面取得了重大突破。他们的开创性研究采用了随机森林机器...
中山大学研究人员在《核科学与技术》杂志发表的一项研究中，在理解超重核衰变过程方面取得了重大突破。他们的开创性研究采用了随机森林机器学习算法，为奥加内松(118号元素)以外的元素的衰变模式和半衰期提供了新颖的见解。
在这项研究中，研究小组重点关注质子数(Z)为84或更高、中子数(N)为128或更高的原子核，采用半经验公式计算各种衰变模式(例如α)的部分半衰期。衰变、β-减衰变、β+衰变、电子俘获和自发裂变(SF)。通过应用随机森林算法，这些计算的精度显着提高，随机森林算法是一种集成了各种核特性和衰变能量的先进机器学习技术。
这种方法导致了核物理学的创新发现，特别是在缺乏中子区域中α衰变和在富中子区域中β-衰变占主导地位。该算法的准确性非常高，正确预测了96.9%的所研究原子核的主要衰变模式，并且还揭示了298Fl元素(钍)西南方向存在一个长寿的自发裂变岛，突出了裂变势垒之间复杂的相互作用和超重元素中的库仑斥力。
这项研究标志着理解超重核的重大飞跃，特别是在预测其衰变模式方面。获得的见解对于探索新元素和超重区域中难以捉摸的“稳定岛”至关重要。该研究还强调了更准确地测量核质量和衰变能对于完善预测的重要性。该团队提出了几种用于未来测量的同位素，这将有助于推进核研究，特别是兰州的CAFE2和SHANS2等新设施。
总之，随机森林算法的创新应用为核物理打开了新的大门，提供了对超重核衰变过程更精确、更全面的理解，并为这一令人兴奋的领域的未来发现铺平了道路。
标签：
免责声明：本文由用户上传，如有侵权请联系删除！