Decay of superheavy nuclei based on the random forest algorithm

Dit artikel past het Random Forest-algoritme toe om het verval van superzware kernen te modelleren, waarbij het de dominante vervalmodi en halveringstijden nauwkeurig voorspelt en een langlevend eiland voor spontane splijting ten zuidwesten van $^{298}$Fl onthult.

De kern

De Gokkerij van de Zwaarste Atomen: Hoe een Computer de Toekomst van Elementen Voorspelt

Stel je voor dat je een enorme berg bouwt van Lego-blokjes. Hoe hoger je bouwt, hoe onstabiel de toren wordt. Op een bepaald punt, als je te veel blokken toevoegt, valt de hele toren in elkaar. In de wereld van de atoomkernen is dit precies wat er gebeurt met de zwaarste elementen die we kunnen maken. Ze zijn zo zwaar en instabiel dat ze binnen een fractie van een seconde weer "vervallen" (ontleden) in lichtere stukjes.

De wetenschappers in dit artikel proberen een antwoord te vinden op de vraag: Hoe lang blijven deze zware torens staan, en op welke manier vallen ze uiteen?

Het Probleem: Een Onzeker Toekomstbeeld

Vroeger probeerden wetenschappers dit te voorspellen met ingewikkelde wiskundige formules. Het was alsof ze probeerden het weer te voorspellen door alleen naar de temperatuur te kijken, zonder rekening te houden met wind, vochtigheid of luchtdruk. Deze oude formules werkten goed voor bekende elementen, maar als ze naar de "onbekende landen" keken (elementen die nog niet zijn ontdekt), gaven ze vaak radicaal verschillende antwoorden. Het was alsof één model zei: "De toren valt over 1 seconde," en een ander model: "De toren staat 100 jaar."

De Oplossing: De "Random Forest" (Willekeurige Bos)

In plaats van één grote, complexe formule te gebruiken, hebben de auteurs van dit artikel een slimme truc uit de computerwereld gebruikt: het Random Forest-algoritme.

Stel je voor dat je een moeilijke vraag hebt, zoals "Hoe lang gaat deze toren staan?". In plaats van één expert te raadplegen, roep je een bos van 100.000 kleine experts bij elkaar.

• Elke "expert" (een beslissingsboom in de computer) kijkt naar een ander stukje informatie: het aantal protonen, het aantal neutronen, de energie, en de vorm van de kern.
• Sommige experts zijn misschien wat slordig of kijken naar de verkeerde details, maar dat maakt niet uit.
• De computer laat al deze experts een voorspelling doen en neemt vervolgens het gemiddelde van al hun antwoorden.

Dit werkt als een superkrachtige stemmachine: de rare uitschieters worden genegeerd, en het echte patroon komt naar voren. Dit heet "Random Forest" omdat het net zo divers en krachtig is als een echt bos.

Wat hebben ze ontdekt?

1. De Grote Weddenschap: Hoe valt het uiteen?
Een zware atoomkern kan op verschillende manieren "breken":

• Alfa-verval: Het spuugt een klein stukje uit (zoals een appel die van een boom valt).
• Bèta-verval: Het verandert van binnen in (zoals een pop die van kleur verandert).
• Spontane splijting: De kern breekt letterlijk in twee grote stukken (zoals een ijsberg die in tweeën breekt).

De computer heeft gekeken naar duizenden bekende atomen en geleerd wat de "favoriete" brekingswijze is. Voor de nieuwe, nog niet ontdekte elementen (zoals element 119 tot 122) voorspelt de computer dat alfa-verval (het uitstoten van een stukje) de winnaar is. Ze zullen waarschijnlijk "poezen" in plaats van in tweeën te breken.

2. De "Eiland van Stabiliteit" en het "Zuidwesten"
Er is een theorie dat er ergens in de zware elementen een "eiland van stabiliteit" ligt, waar de atomen langer leven dan hun buren.

• De computer heeft een langlevend eiland gevonden, maar niet precies waar iedereen dacht. Het ligt in het zuidwesten van de kaart, rondom element 114 en 184 neutronen.
• Hier is de "muur" (de splijtingsbarrière) zo hoog dat de atomen niet zomaar in tweeën breken. Ze kunnen hier langer overleven, soms zelfs dagen of jaren in plaats van microseconden.

3. Het "Even-Odd" Geheim
Er is een grappig patroon ontdekt. Atomen met een even aantal bouwstenen (protonen en neutronen) gedragen zich heel anders dan die met een oneven aantal.

• Denk aan een danspaar: als je twee mensen hebt die perfect op elkaar zijn afgestemd (even-even), vallen ze makkelijker uit elkaar (sneller splijting) dan als er één persoon extra is (oneven).
• Dit betekent dat voor sommige nieuwe elementen (zoals 120 en 122), we moeten oppassen voor spontane splijting, terwijl hun buren (119 en 121) waarschijnlijk gewoon een stukje uitstoten.

Waarom is dit belangrijk?

Deze voorspellingen zijn als een schatkistkaart voor de natuurkundigen.

• Ze vertellen de wetenschappers waar ze moeten graven. Als je weet dat een nieuw element waarschijnlijk 1000 keer langer leeft dan je dacht, kun je betere apparatuur bouwen om het te vangen.
• Ze waarschuwen voor valkuilen. Als je denkt dat een element stabiel is, maar de computer zegt dat het in tweeën breekt, dan moet je je detectie-apparatuur anders instellen.

Conclusie

Kortom: door een slimme computer te laten "leren" van alle bekende atomen, hebben deze onderzoekers een nieuwe kaart getekend van de zwaarste elementen. Ze hebben laten zien dat de natuur niet altijd logisch is, maar dat er patronen zijn die we kunnen vinden als we genoeg "experts" (data) bij elkaar halen.

De boodschap is simpel: De zwaarste elementen zijn niet allemaal even onstabiel. Er zijn plekken waar ze langer kunnen leven, en met deze nieuwe kaart weten we precies waar we moeten zoeken.

Technische samenvatting

Probleemstelling

Het onderzoek richt zich op het begrijpen en voorspellen van het vervalgedrag van zware en superzware kernen, met name in de regio voorbij Oganesson (Z=118) en in de zoektocht naar het "eiland van stabiliteit". De identificatie van nieuwe elementen vereist een nauwkeurige kennis van hun vervalmodi (zoals $\alpha$-verval, $\beta$-verval, elektronenvangst en spontane splijting) en hun halveringstijden.

Traditionele methoden, zowel microscopisch (gebaseerd op nucleon-nucleon interacties) als macroscopisch (semi-empirische formules), hebben beperkingen:

• Macroscopische formules lopen het risico van overfitting en gebruiken parameters die niet altijd fysiek onderbouwd zijn.
• Exotische kernen wijken vaak sterk af van algemene trends (outliers), wat leidt tot grote afwijkingen tussen theorie en observatie.
• Er is nog geen eenduidig model dat de concurrentie tussen verschillende vervalmodi in de superzware regio nauwkeurig beschrijft, vooral niet voor kernen ver weg van de bekende stabiele isotopen.

Methodologie

De auteurs passen een Random Forest (RF) machine learning-algoritme toe om de restwaarden (residuen) van bestaande semi-empirische formules te corrigeren. De aanpak omvat de volgende stappen:

1. Dataselectie: Het onderzoek concentreert zich op kernen met $Z \ge 84$ en $N \ge 128$. Er zijn data verzameld voor 445 nucliden met gemeten partiële halveringstijden en vertakkingsratio's voor vijf vervalmodi: $\alpha$-verval, $\beta^-$-verval, $\beta^+$-verval, elektronenvangst (EC) en spontane splijting (SF).
2. Basisformules:
   • Voor $\alpha$-verval wordt de Universal Decay Law (UDL) gebruikt.
   • Voor spontane splijting (SF) wordt een nieuwe drie-parameter formule (SF3) voorgesteld, die is aangepast om divergentie bij extrapolatie te voorkomen (in tegenstelling tot oudere formules met hogere orde termen).
   • Voor $\beta$-verval en EC worden formules gebaseerd op Gamow-Teller overgangen gebruikt.
3. Random Forest Training:
   • In plaats van de halveringstijden direct te voorspellen, traint het RF-algoritme de residuen (het verschil tussen de berekende en experimentele waarden) van de bovenstaande formules.
   • Functies (Features): De invoer voor het model omvat het protonennummer ($Z$), neutronennummer ($N$), massagetal ($A$), de pariteit van $Z$ en $N$, en de vervalenergie. Voor spontane splijting wordt de vervalenergie vervangen door de splijtingsbarrière (Fission Barrier, FB) om de invloed van kerndeformatie te modelleren.
   • Het model bestaat uit $10^5$ bomen om de spreiding te minimaliseren.
4. Voorspelling: De dominante vervalmodus wordt bepaald door de kortste partiële halveringstijd te selecteren na correctie door het RF-model. Voor onbekende kernen worden energiewaarden berekend met behulp van de WS4 en UNEDF0 modellen.

Belangrijkste Bijdragen

• Toepassing van Machine Learning op Vervalconcurrentie: Dit is het eerste werk dat het Random Forest-algoritme toepast om de concurrentie tussen verschillende vervalmodi in superzware kernen te bestuderen, specifiek door de residuen van semi-empirische formules te leren.
• Verbeterde Extrapolatie: Door gebruik te maken van bootstrapping en het trainen op residuen, vermijdt het model overfitting en verbetert het de extrapolatie naar onbekende gebieden (zoals het eiland van stabiliteit) in vergelijking met traditionele formules die vaak divergeren.
• Nieuwe SF-formule: De auteurs stellen een aangepaste formule voor spontane splijting voor die divergentie bij extrapolatie voorkomt, een veelvoorkomend probleem bij eerdere formules met hogere orde termen.

Resultaten

• Nauwkeurigheid: Het model reproduceert de waargenomen halveringstijden en de dominante vervalmodus zeer goed. Voor 96,9% van de kernen voorbij $^{212}$Po wordt de dominante vervalmodus correct beschreven.
• Vervalmodi in Nieuwe Elementen (Z=119-122):
  • $\alpha$-verval wordt voorspeld als de dominante modus voor de meeste isotopen van nieuwe elementen $Z=119$ tot $122$.
  • Echter, voor even-even kernen (even $Z$ en even $N$) wordt spontane splijting (SF) significant concurrentieel door het odd-even staggering-effect. De halveringstijden voor SF van even-even kernen zijn enkele ordes van grootte korter dan die van hun isotopische buren.
• Het "Eiland van Stabiliteit":
  • Er wordt een langlevend gebied voorspeld in het zuidwesten van $^{298}$Fl (rond $Z=114, N=184$). Dit wordt veroorzaakt door de concurrentie tussen kerndeformatie en Coulomb-afstoting, wat resulteert in een hoge splijtingsbarrière.
  • De voorspelde halveringstijden suggereren het bestaan van een "eiland" van langlevende spontane splijting.
• Specifieke Voorspellingen: Kernen met een voorspelde partiële halveringstijd langer dan $10^4$ seconden worden geïdentificeerd als kandidaten voor toekomstige metingen, waaronder $^{250,252,254}$Cm, $^{260,261}$Es, $^{261-264}$Md en $^{265}$Lr.
• Invloed van Energieonduidelijkheid: De nauwkeurigheid van de voorspelling is sterk afhankelijk van de precisie van de invoer-energieën. Het gebruik van theoretische massa's (WS4 vs. UNEDF0) leidt tot verschillen in de voorspelde dominante modus, wat de noodzaak benadrukt van nauwkeurigere massa-metingen.

Betekenis en Conclusie

De studie demonstreert dat machine learning, en specifiek Random Forest, een krachtig hulpmiddel is om de complexiteit van kernverval in de superzware regio te ontrafelen. De resultaten onderstrepen dat:

1. Spontane splijting een cruciale rol speelt bij het bepalen van de stabiliteit van superzware kernen, vooral voor even-even isotopen waar het odd-even-effect de concurrentie met $\alpha$-verval versterkt.
2. Het begrijpen van spontane splijting, en met name de splijtingsbarrières voorbij $^{286}$Fl, essentieel is voor het lokaliseren van het eiland van stabiliteit en het succesvol synthetiseren van nieuwe elementen.
3. De voorspellingen bieden een leidraad voor experimenten op nieuwe faciliteiten (zoals CAFE2 en SHANS2 in Lanzhou) door specifieke isotopen aan te wijzen die de grootste kans van bestaan hebben en detecteerbaar zijn via hun vervalmodi.

Kortom, dit werk combineert geavanceerde data-analyse met kernfysica om de zoektocht naar de grenzen van het periodiek systeem te sturen en de theoretische onzekerheden rondom superzware kernen te reduceren.