پیشرفت‌های یادگیری ماشین در کمک به درک سطوح هسته‌ای در سولفور۳۸

علمایی با استفاده از ترکیبی از تکنیک‌های یادگیری ماشین در درک سطوحی کوانتومی منحصر به فرد در هسته سولفور۳۸ پیشرفت چشمگیری کرده‌اند. با بهره‌گیری از ترکیب واکنش‌های هسته‌ای و روش‌های پیشرفته تحلیل داده، پژوهشگران بینش‌های جدیدی در مورد «اثر انگشت» شکل‌گیری شده از طریق مرتب‌سازی پروتون‌ها و نوترون‌ها در هسته سولفور۳۸ به دست آورده‌اند.

در یک مطالعه اخیر منتشر شده در مجله فیزیکی “فیزیک ریویو C”، علمایی با موفقیت از یادگیری ماشین برای طبقه‌بندی داده و تحلیل اثر انگشت سولفور۳۸ استفاده کردند. با آغاز جابه‌جایی پروتون‌ها و نوترون‌ها از طریق وارد کردن انرژی اضافی به وسیله یک واکنش هسته‌ای، پژوهشگران قادر بودند تا سطوح انرژی کوانتومی ناشی از آن در هسته سولفور۳۸ را مشاهده و مطالعه کنند.

ترکیب تکنیک‌های آزمایشی و الگوریتم‌های یادگیری ماشین منجر به افزایش قابل توجهی در اطلاعات تجربی در مورد اثر انگشت منحصر به فرد سولفور۳۸ شد. این مطالعه همچنین نقش حیاتی نیمکره‌ی خاصی در تولید دقیق این اثر انگشت و اثر انگشت‌های هسته‌های همسایه را برجسته کرد.

در مجموعه آزمایشی، ادغام دو هسته از یک پرتو یون سنگین و یک هدف باعث تولید سولفور۳۸ شد. تشخیص تجزیه شمع‌های الکترومغناطیسی (پرتوهای گاما) با استفاده از آرایه ردیابی انرژی پرتوهای گاما (GRETINA) و تشخیص هسته‌های تولید شده با استفاده از تجزیه‌های جرم آن + یکی از اجزا این آزمایش بود.

برای عبور از پیچیدگی‌های پارامترهای آزمایشی و بهینه‌سازی تنظیمات تشخیص، پژوهشگران در طول فرایند تقلیل داده از تکنیک‌های یادگیری ماشین استفاده کردند. با استفاده از یک شبکه عصبی کاملاً متصل، که برای طبقه‌بندی هسته‌های سولفور۳۸ نسبت به دیگر ایزوتوپ‌های تولید شده توسط واکنش هسته‌ای آموزش دیده شده بود، بهبودهای قابل توجهی در دقت و کارایی نسبت به روش‌های سنتی به دست آمد.

موفقیت این مطالعه پتانسیل یادگیری ماشین در افزایش درک ما از سطوح هسته‌ای و ویژگی‌های منحصر به فرد آنها را نشان می‌دهد. علاوه بر این، بهبودهایی که به وسیله روش‌های مبتنی بر یادگیری ماشین احراز شد، فرصت‌های امیدوارکننده‌ای را برای مقابله با چالش‌های دیگر در طراحی و تحلیل آزمایشات فراهم می‌کند.

یافته‌های این تحقیق نه تنها به پیشرفت‌های فیزیک هسته‌ای کمک می‌کنند، بلکه داده‌های تجربی ارزشمندی برای مقایسه با مدل‌های نظری فراهم می‌کنند. این بینش‌ها ممکن است منجر به کشف‌های جدید ارزشمند و درک عمیق‌تری از نیروهای بنیادی مانند نیروی قوی (هسته‌ای) که رفتار هسته‌ها را اداره می‌کند، شود.

The source of the article is from the blog foodnext.nl

Privacy policy
Contact