🔬 physics

A four parameters modified Gaussian function describing shape of asymmetric alpha lines

Diese Arbeit präsentiert eine neue vierparametrige analytische Funktion zur präzisen Modellierung asymmetrischer Alpha-Peaks, welche in die etablierte ALF-Software integriert wurde, um die Dekonvolution von bis zu zehn überlappenden Peaks zu ermöglichen.

Ursprüngliche Autoren: Jerzy Wojciech Mietelski

Veröffentlicht 2026-07-09

📖 4 Min. Lesezeit☕ Kaffeepausen-Lektüre

CC BY 4.0

Ursprüngliche Autoren: Jerzy Wojciech Mietelski

Originalarbeit lizenziert unter CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). ✨ Dies ist eine KI-generierte Erklärung des untenstehenden Papers. Sie wurde nicht von den Autoren verfasst oder gebilligt. Für technische Genauigkeit konsultieren Sie das Originalpaper. Vollständigen Haftungsausschluss lesen

Stellen Sie sich vor, Sie hören einen Chor aus Alphateilchen, die singend in einen Detektor fliegen. In einer perfekten Welt würden alle Sänger exakt denselben Ton treffen und eine wunderschöne, symmetrische Glockenkurve erzeugen – eine klassische Gauß-Form. Aber in der realen Welt sind die Dinge chaotisch. Während diese winzigen Teilchen von ihrer Quelle zum Detektor reisen, stoßen sie gegen Dinge: eine „Totzone“ am Eintrittsfenster des Detektors und das Quellmaterial selbst. Diese Kollisionen stehlen ein Stück ihrer Energie, aber nicht immer den gleichen Betrag.

Denken Sie an Läufer bei einem Rennen, von denen einige über einen losen Stein stolpern und andere nicht. Die Läufer, die nicht stolpern, kommen exakt zur richtigen Zeit an und halten die hochenergetische Seite des Peaks scharf und symmetrisch. Aber die Läufer, die stolpern, kommen zu spät an und ziehen die niederenergetische Seite des Peaks in einen langen, unordentlichen Schweif. Dies erzeugt eine „asymmetrische“ Form, die aussieht wie eine Glocke, die auf einer Seite durch den Schlamm gezogen wurde.

Jahrzehntelang kämpften Wissenschaftler damit, diese chaotische Form mathematisch zu beschreiben. Meistens mussten sie einen komplizierten Werkzeugkasten aus vielen verschiedenen Formeln verwenden, um die verschiedenen Teile der Kurve zusammenzuflicken. Aber Jerzy Wojciech Mietelski, ein Forscher vom Institut für Kernphysik in Polen, entschied sich für einen anderen Ansatz. Er führte eine einzige, clevere mathematische Funktion ein, die wie ein „Gestaltwandler“ fungiert.

Diese neue Funktion ist eine modifizierte Gauß-Funktion, aber mit einem Kniff. Sie hat nur vier einstellbare Regler (Parameter):

Amplitude: Wie hoch der Peak ist.
Position: Wo der Peak auf dem Diagramm liegt.
Formparameter 1: Steuert, wie sich die Kurve auf der rechten Seite verhält (der saubere, Gauß-förmige Teil).
Formparameter 2: Steuert den chaotischen, langen Schweif auf der linken Seite.

Hier geschieht der Zaubertrick: Auf der rechten Seite des Peaks verhält sich die Funktion wie eine standardmäßige, perfekte Glockenkurve. Aber auf der linken Seite verwandelt sie sich in eine komplexere Formel, die natürlich diesen langen, exponentiellen Schweif erzeugt, der durch den Energieverlust verursacht wird. Es ist, als hätte man ein einziges Stück Ton, das auf einer Seite glatt und rund, aber auf der anderen Seite langgestreckt und zugespitzt sein kann, ohne dass man zwei verschiedene Formen zusammenkleben muss.

Mietelski hat dies nicht nur erträumt; er hat es in einem Computercode namens ALF in die Tat umgesetzt, der seit 1993 in seinem Labor läuft. Der Prozess erfolgt in zwei Schritten, wie das Einstellen eines Radios. Zuerst betrachtet der Computer einen einzelnen, klaren Peak und ermittelt die exakten Einstellungen für die Formparameter (den „Schlamm“ und die „sauberen“ Seiten). Sobald er weiß, wie der „Schlamm“ für dieses spezifische Experiment aussieht, fixiert er diese Einstellungen. Dann nutzt er diese feste Form, um ein Chaos aus sich überschneidenden Peaks – bis zu 10 gleichzeitig – zu entwirren, indem er nur deren Höhe und Position anpasst.

Der Bericht berichtet, dass diese Methode über 30 Jahre getestet wurde und mehr als 15.000 Spektren erfolgreich analysiert hat. Sie hat sogar strenge „Kompetenztests“ bestanden, bei denen das Labor nachweisen musste, dass es Dinge korrekt messen kann, im Vergleich zu anderen Experten. Die Autoren merken an, dass die Ergebnisse so zuverlässig sind, dass die Fläche unter der Kurve (die angibt, wie viel radioaktives Material vorhanden ist) fast perfekt mit der Gesamtzahl der Teilchen übereinstimmt.

Überraschenderweise war dieser „Alpha“-Gestaltwandler nicht nur für Alphateilchen gedacht. Das Paper erwähnt, dass das Team denselben mathematischen Ansatz verwendet hat, um Beta-Strahlungssignale in einem Flüssigszintillationsspektrometer zu trennen. In einem Test, der 90Sr (Strontium-90) im Gleichgewicht mit 90Y (Yttrium-90) beinhaltete, gelang es der Methode, die Signale mit einer Fehlermarge von nur 3 % zu trennen.

Obwohl das Paper nicht behauptet, dass dies ein magisches Heilmittel für jedes Problem der Physik ist, präsentiert es ein robustes, vierparametriger Werkzeug, das sich über Jahrzehnte hinweg bewährt hat. Es verwandelt ein chaotisches, asymmetrisches Problem in ein lösbares Rätsel und ermöglicht es Wissenschaftlern, klar durch das Rauschen überlappender Signale zu sehen, egal ob sie nach Alphateilchen aus antarktischem Flechtenbewuchs oder nach Betateilchen aus tierischen Knochen suchen.

Technisches Resümee: Eine vierparametrige modifizierte Gauß-Funktion für asymmetrische Alpha-Linien

Problemstellung
In der Alpha-Spektrometrie weisen Spektrallinien häufig asymmetrische Formen auf, anstatt ideale Gauß-Verteilungen zu zeigen. Diese Asymmetrie entsteht primär durch den Energieverlust der Alphateilchen, während sie die Totzone (Eingangsschicht) des Halbleiterdetektors sowie das Quellmaterial durchqueren. Das Ausmaß dieser Degradation hängt vom zufälligen Emissionswinkel des Teilchens relativ zum Detektor ab. Infolgedessen wird die niederenergetische Seite des Peaks breiter und nähert sich einem exponentiellen Abfall an, während die hochenergetische Seite eine Gauß-Verteilung beibehält, die lediglich durch statistische Fluktuationen modifiziert wird.

Historisch gesehen gab es keine einzelne, allgemein akzeptierte mathematische Formel zur Beschreibung dieser Form. Praktische Lösungen verlassen sich typischerweise auf Multi-Parameter-Funktionssätze, die auf spezifische Abschnitte der Spektrallinie angewendet werden. Obwohl verschiedene Softwarepakete (z. B. ALFUN-A, MicroSAMPO, ALFA) existieren, um diese Herausforderungen zu bewältigen, war die spezifische analytische Funktion, die im weit verbreiteten ALF-Computercode verwendet wurde, vor dieser Arbeit in der Literatur nicht detailliert beschrieben worden.

Methodik
Die Arbeit präsentiert eine originelle analytische Funktion, die darauf ausgelegt ist, die asymmetrische Form des Alpha-Peaks unter Verwendung von nur vier freien Parametern zu beschreiben. Diese Funktion wurde im ALF-Computercode implementiert, einem um 1993 entwickelten Fortran-basierten Werkzeug (modifiziert aus einem früheren Gamma-Strahlungs-Code, P.I.M.P.), das zur Evaluierung von Alpha-Spektren dient.

Der Kern der Methodik ist die folgende modifizierte Gauß-Funktion $N(x)$ , wobei $x$ die Kanalnummer darstellt:

$N(x) = \alpha \cdot \exp\left( \frac{-(x-M)^2}{\beta \{|x-M| - (x-M)\} + \gamma} \right)$

Parameter:

$\alpha$ : Amplitude (Counts am Maximum).
$M$ : Position des Peak-Maximums.
$\beta$ und $\gamma$ : Formparameter (beide $>0$ ), die spezifisch für die Quelle und die Detektorgeometrie sind.

Verhalten der Funktion:

Hochenergetische Seite ( $x > M$ ): Die Funktion konvergiert gegen eine Standard-Gauß-Verteilung.
Niederenergetische Seite ( $x < M$ ): Die Funktion wird komplexer und geht bei signifikanten Abständen vom Peak-Maximum ( $x \ll M$ ) in eine gewöhnliche Exponentialfunktion über.
Rollen der Parameter: $\gamma$ steuert die Form der rechten Seite des Peaks, während $\beta$ und $\gamma$ gemeinsam die linke Seite steuern.

Fitting-Verfahren (Dekonvolution):
Der ALF-Code nutzt ein nichtlineares Funktions-Fitting-Verfahren, um bis zu 10 überlappende Alpha-Peaks zu dekonvolvieren. Der Prozess wird in zwei distinkten Schritten ausgeführt:

Bestimmung der initialen Form: Eine einzelne, wohldefinierte Spektrallinie (oder ein Fragment, das das Maximum enthält) wird gefittet, um die vier Parameter ( $\alpha, M, \beta, \gamma$ ) zu bestimmen. Dies erfolgt mittels einer Standard-Nichtlineares-Kleinste-Quadrate-Fitting unter Verwendung von 10 Iterationen einer linearen Approximation (Taylor-Reihe).
Peak-Dekonvolution: Sobald $\beta$ und $\gamma$ bestimmt wurden, werden diese als feste Konstanten für das gesamte Spektrum behandelt, da sie von der Qualität der Quelle und der Quell-Detektor-Geometrie abhängen und nicht von den einzelnen Peaks. Der zweite Schritt beinhaltet das gleichzeitige Fitten der Amplituden ( $\alpha_i$ ) und Positionen ( $M_i$ ) aller überlappenden Peaks. Dies wird erreicht, indem die Summe der Funktionen in eine Reihe expandiert und die Inkremente der Vektorvariablen mittels eines Cracovian-Algorithmus gelöst werden.

Der Cracovian-Algorithmus wird als spezifischer Vorteil hervorgehoben, da er die Unsicherheiten der gefitteten Parameter innerhalb desselben Verfahrens berechnet, das zur Bestimmung der Parameterwerte verwendet wird.

Wesentliche Beiträge und Ergebnisse

Analytische Einfachheit: Die Arbeit führt eine kompakte, vierparametrige Funktion ein, die die komplexe Asymmetrie von Alpha-Linien effektiv modelliert, ohne dass ein komplexes Multi-Segment-Fitting erforderlich ist.
Validierung und Langlebigkeit: Die Funktion steht seit 1993 im Routineeinsatz. In den letzten 30 Jahren wurde sie auf mehr als 15.000 Spektren angewendet. Die Validierung erfolgte durch den Vergleich der berechneten Peak-Flächen mit der Summe der Counts, wobei alle Tests positiv verliefen.
Dekonvolutionsfähigkeit: Die Methode trennt erfolgreich teilweise überlappende Peaks, wie die Analyse von Th-Fraktionen aus tierischen Knochen zeigt.
Unerwarteter Nutzen: Die Autoren stellen fest, dass die Funktion überraschenderweise auch für die Analyse von Beta-Strahlungsspektren (speziell $^{90}\text{Sr}$ / $^{90}\text{Y}$ ) nützlich war, die mit einem Flüssigszintillationszähler unter Verwendung einer logarithmischen Kanalskala gewonnen wurden, wobei Ergebnisse innerhalb einer Fehlermarge von 3 % erzielt wurden.

Bedeutung
Die Arbeit beansprucht ihre Signifikanz primär durch die erfolgreiche, langfristige Validierung dieser spezifischen vierparametrigen Funktion innerhalb der ALF-Software. Durch die Formalisierung der zuvor undokumentierten analytischen Basis von ALF stellt dieses Werk ein robustes, mathematisch definiertes Werkzeug zur Dekonvolution überlappender Alpha-Peaks bereit. Die Methode bietet ein Gleichgewicht zwischen analytischer Strenge und Recheneffizienz, was die präzise Bestimmung von Peak-Flächen in komplexen Spektren ermöglicht, in denen traditionelles Gauß-Fitting versagt. Die Verwendung des Cracovian-Algorithmus stellt zudem sicher, dass die Parameterunsicherheiten rigoros zusammen mit dem Fit berechnet werden.

Mehr davon