KI-Modelle sagen Zerfallsmodi und Halbwertszeiten superschwerer Kerne mit beispielloser Genauigkeit voraus

In einem Studie veröffentlicht im Journal of Nuklearwissenschaft und -technikenForschern der Sun Yat-sen-Universität ist ein bedeutender Durchbruch beim Verständnis der Zerfallsprozesse superschwerer Kerne gelungen. Ihre bahnbrechende Studie, die einen Random-Forest-Algorithmus für maschinelles Lernen verwendet, bietet neue Einblicke in die Zerfallsmodi und Halbwertszeiten von Elementen jenseits von Oganesson (Element 118).

Bei dieser Forschung konzentrierte sich das Team auf Kerne mit einer Protonenzahl (Z) von 84 oder mehr und einer Neutronenzahl (N) von 128 oder mehr und verwendete semiempirische Formeln, um partielle Halbwertszeiten für verschiedene Zerfallsmodi wie Alpha zu berechnen Zerfall, Beta-Minus-Zerfall, Beta-Plus-Zerfall, Elektroneneinfang und spontane Spaltung (SF). Die Präzision dieser Berechnungen wurde durch die Anwendung des Random-Forest-Algorithmus, einer fortschrittlichen maschinellen Lerntechnik, die eine Vielzahl nuklearer Eigenschaften und Zerfallsenergien integriert, erheblich verbessert.

Diese Methodik führte zu innovativen Erkenntnissen in der Kernphysik, insbesondere zur Dominanz des Alpha-Zerfalls in neutronenarmen Regionen und des Beta-Minus-Zerfalls in neutronenreichen Gebieten. Die Genauigkeit des Algorithmus war bemerkenswert, da er den vorherrschenden Zerfallsmodus in 96,9 % der untersuchten Kerne korrekt vorhersagte. Außerdem zeigte er die Existenz einer langlebigen spontanen Spaltungsinsel südwestlich des Elements 298 Fl (Flerovium) auf, was das komplexe Zusammenspiel zwischen den Spaltungsbarrieren hervorhebt und Coulomb-Abstoßung in superschweren Elementen.

Diese Forschung markiert einen bedeutenden Fortschritt beim Verständnis superschwerer Kerne, insbesondere bei der Vorhersage ihrer Zerfallsmodi. Die gewonnenen Erkenntnisse sind entscheidend für die Erforschung neuer Elemente und der schwer fassbaren „Insel der Stabilität“ in der superschweren Region. Die Studie unterstreicht auch die Bedeutung genauerer Messungen der Kernmasse und der Zerfallsenergie für die Verfeinerung von Vorhersagen. Das Team hat mehrere Isotope für zukünftige Messungen vorgeschlagen, die entscheidend zur Weiterentwicklung der Kernforschung beitragen werden, insbesondere in neuen Anlagen wie CAFE2 und SHANS2 in Lanzhou.

Zusammenfassend lässt sich sagen, dass die innovative Anwendung des Random-Forest-Algorithmus neue Türen in der Kernphysik geöffnet hat, ein genaueres und umfassenderes Verständnis der Zerfallsprozesse superschwerer Kerne ermöglicht und den Weg für zukünftige Entdeckungen in diesem spannenden Bereich ebnet.