ALPHANSO: Open-Source Modeling of ($\alpha$,n) Neutron Source Terms

Dit paper introduceert ALPHANSO, een open-source Python-pakket dat moderne nucleaire data en een transparant kader biedt voor het nauwkeurig berekenen van ($\alpha$,n) neutronenbronnen, waarmee het de beperkingen van verouderde tools zoals SOURCES-4C oplost en een betrouwbare, uitbreidbare vervanging biedt voor diverse toepassingen.

De kern

De "ALPHANSO": Een moderne, open keuken voor neutronen

Stel je voor dat je in een heel groot, ouderwets laboratorium werkt. Je probeert te voorspellen hoeveel "neutronen" (een soort onzichtbare, snelle deeltjes) er vrijkomen wanneer bepaalde atomen met elkaar botsen. Dit is cruciaal voor dingen als het veilig houden van kerncentrales, het opsporen van donkere materie in het heelal, of het beheren van kernafval.

Voor decennia hebben wetenschappers hiervoor een oude, beroemde tool gebruikt die SOURCES-4C heet. Maar deze tool is als een oude, stoffige kookboek uit de jaren '80:

• De recepten (de gegevens) zijn verouderd.
• Er ontbreken ingrediënten (sommige atoomsoorten staan er niet in).
• Het is geschreven in een taal die niemand meer makkelijk begrijpt (FORTRAN 77), waardoor het moeilijk is om nieuwe ontdekkingen toe te voegen.
• Het kan alleen werken met een beperkt soort "vuur" (energie), waardoor het faalt bij hogere temperaturen.

De nieuwe oplossing: ALPHANSO

De auteurs van dit paper hebben ALPHANSO bedacht. Je kunt dit zien als een moderne, open-source keuken die volledig in Python is gebouwd. Hier zijn de belangrijkste verbeteringen, vertaald naar alledaagse termen:

1. Het receptenboek is vernieuwd:
   In plaats van die oude, stoffige lijstjes gebruikt ALPHANSO de allerlaatste, meest accurate "receptenboeken" (nucleaire databanken) die er zijn. Het kan zelfs zelf nieuwe recepten toevoegen als er nieuwe ontdekkingen worden gedaan. Het is alsof je van een papieren kookboek overstapt naar een app die direct de nieuwste culinaire trends downloadt.

2. Geen ingrediënten meer missen:
   De oude tool kon niet koken met bepaalde atomen (zoals een specifieke vorm van stikstof of neon). ALPHANSO heeft een volledige voorraadkast en kan met elk natuurlijk voorkomend atoom werken.

3. Hoger vuur:
   De oude tool stopte bij een bepaalde energie (6,5 MeV), alsof een kookplaat niet heter dan 100 graden kon worden. ALPHANSO kan echter tot veel hogere temperaturen, wat essentieel is voor moderne experimenten die zoeken naar donkere materie.

4. Iedereen mag meekoken:
   Omdat het "open-source" is, is de code voor iedereen beschikbaar. Net als bij een open-source softwareproject, kan iedereen de code bekijken, verbeteren of aanpassen. Dit zorgt voor meer transparantie en vertrouwen.

Hoe werkt het precies? (De simpele versie)

Het programma doet twee dingen:

• Het berekent hoeveel neutronen er vrijkomen: Het kijkt hoe snel een alfadeeltje (een soort deeltje) door een materiaal beweegt en hoeveel botsingen het maakt voordat het stopt.
• Het voorspelt de "smaak" (het spectrum): Het berekent niet alleen hoeveel neutronen er zijn, maar ook hoe snel ze zijn.

Wat zeggen de resultaten?

De auteurs hebben ALPHANSO getest tegen de oude tool (SOURCES-4C) en tegen echte metingen in het lab.

• Resultaat: ALPHANSO doet het over het algemeen beter dan de oude tool.
• De uitzondering: Soms gebruikt ALPHANSO een "geschat" recept (TENDL) als er geen echte metingen zijn. In die gevallen is het soms iets minder nauwkeurig, maar dat komt door de data, niet door de software zelf.
• De les: De grootste fouten zitten niet in de manier waarop het programma rekent, maar in de kwaliteit van de gegevens die we erin stoppen. Als we betere data hebben, wordt ALPHANSO nog beter.

Conclusie

Kortom: ALPHANSO is de moderne, snelle en flexibele vervanger voor de oude, trage SOURCES-4C. Het is betrouwbaar, transparant en klaar voor de toekomst. Voor wetenschappers die willen weten hoeveel neutronen er vrijkomen bij bepaalde reacties, is dit nu de beste tool om te gebruiken. Het is alsof je bent overgestapt van een ouderwetse rekenmachine naar een krachtige laptop met de nieuwste software.

Technische samenvatting

Probleemstelling

De nauwkeurige modellering van neutronenproductie via $(\alpha,n)$-reacties is essentieel voor diverse toepassingen, variërend van nucleaire beveiliging en afvalbeheer tot de detectie van donkere materie. Hoewel de code SOURCES-4C al decennialang de industriestandaard is, vertoont deze ernstige tekortkomingen:

• Verouderde data: De kernfysische data (dwarsdoorsneden) is niet bijgewerkt sinds de jaren 80.
• Beperkte dekking: Veel belangrijke doelkernen (zoals $^{6}$Li, $^{14}$N, $^{21}$Ne, $^{35}$Cl) ontbreken volledig.
• Energiebeperking: De code is beperkt tot $\alpha$-deeltjesenergieën onder de 6,5 MeV, wat kritiek is voor studies met natuurlijke vervalseries (U/Th) die hogere energieën bevatten.
• Technische achterstand: De code is geschreven in FORTRAN 77, is moeilijk te updaten en gebruikt verouderde dataformaten die niet compatibel zijn met moderne standaarden zoals GNDS (Generalized Nuclear Data Structure).

Andere pogingen om dit op te lossen, zoals NeuCBOT (gebaseerd op TALYS, wat onnauwkeurige resultaten geeft voor bepaalde materialen) of NEDIS (niet publiek beschikbaar), bleken onvoldoende.

Methodologie

Het paper introduceert ALPHANSO, een open-source Python-pakket voor het berekenen van $(\alpha,n)$-neutronenbrontermen. De methodologie omvat:

1. Fysisch Model: ALPHANSO gebruikt hetzelfde fysieke model als SOURCES: de "thick-target, continuous slowing down approximation". Hierbij wordt aangenomen dat alle $\alpha$-deeltjes stoppen in het doelwit.
2. Berekeningsformule: De neutronopbrengst ($Y_i$) wordt berekend door de reactiekans te integreren langs het afremmingspad van het $\alpha$-deeltje, waarbij de energie wordt omgezet in een integraal over de dwarsdoorsnede ($\sigma$) gedeeld door de remkracht ($\varepsilon$).
   • Voor materialen met meerdere elementen wordt de remkracht berekend via de Bragg-Kleeman-relatie.
   • Het neutronenspectrum wordt afgeleid uit tweelichamskinematica, aannemende isotrope emissie in het zwaartepuntstelsel.
3. Data-integratie:
   • ALPHANSO maakt gebruik van moderne, beoordeelde kernfysische bibliotheken: ENDF/B-VIII.1, JENDL-5, en TENDL-2023.
   • Voor specifieke lichte elementen (C, Mg, Al, Si) worden geoptimaliseerde data gebruikt van Parvu et al., die experimentele benchmarks beter reproduceren dan JENDL-5.
   • De code ondersteunt het GNDS-formaat, wat updates en het toevoegen van nieuwe data eenvoudig maakt.
   • Remkrachtdata (stopping power) wordt voornamelijk gehaald uit ASTAR en SRIM.

Belangrijkste Bijdragen

• Open Source & Modulariteit: ALPHANSO is een transparante, modulaire Python-code die eenvoudig uitbreidbaar is. Gebruikers kunnen aangepaste kernfysische data invoeren.
• Uitgebreide Dekking: De code ondersteunt alle natuurlijk voorkomende doelkernen, inclusief die welke in SOURCES-4C ontbreken, en werkt voor $\alpha$-energieën tot ver boven de 6,5 MeV (tot 10+ MeV).
• Validatie Framework: De distributie bevat een validatietestset waarmee gebruikers direct het effect van nieuwe of alternatieve data-evaluaties kunnen beoordelen.
• Modernisering: Het vervangt de verouderde FORTRAN-architectuur door een moderne Python-omgeving die naadloos integreert in huidige simulatiewerkstromen.

Resultaten

De prestaties van ALPHANSO zijn vergeleken met experimentele data, SOURCES-4C en een verbeterde versie van SOURCES-4A:

• Opbrengstnauwkeurigheid: ALPHANSO reproduceert neutronopbrengsten met een hoge nauwkeurigheid. Voor materialen zoals Beryllium (Be) en Koolstof (C) is de foutmarge zeer klein.
• Vergelijking met SOURCES-4C: ALPHANSO presteert aanzienlijk beter dan SOURCES-4C. SOURCES-4C onderschat systematisch de opbrengst (gemiddelde absolute fout ~0,5) en faalt volledig voor materialen zoals IJzer (Fe) of roestvrij staal omdat het geen data heeft voor deze kernen.
• Vergelijking met SOURCES-4A: ALPHANSO presteert vergelijkbaar met de recentelijk verbeterde SOURCES-4A, maar biedt meer flexibiliteit.
• Invloed van Data:
  • De nauwkeurigheid hangt primair af van de gebruikte dwarsdoorsnede-data. Waar JENDL-5 of ENDF/B-VIII.1 beschikbaar is, zijn de resultaten uitstekend.
  • Waar alleen TENDL-2023 beschikbaar is (bijvoorbeeld voor sommige isotopen van Fe), treden grotere afwijkingen op omdat TENDL vaak geen fijne resonantie-structuur bevat.
  • De keuze van remkrachtdata (stopping power) heeft een verwaarloosbaar effect op de totale opbrengst en het spectrum, aangezien de dwarsdoorsnede bij lage energieën (waar remkrachtverschillen groot zijn) zeer klein is.

Betekenis en Conclusie

ALPHANSO vormt een betrouwbare, toegankelijke en moderne vervanging voor legacy $(\alpha,n)$-brontermcodes. De code lost de beperkingen van SOURCES-4C op door:

1. Het gebruik van actuele kernfysische data.
2. Het ondersteunen van een breder scala aan materialen en energieën.
3. Het bieden van een transparante, open-source architectuur die toekomstige data-evaluaties direct kan integreren.

De studie concludeert dat de grootste onzekerheid in $(\alpha,n)$-berekeningen nu ligt in de kwaliteit van de dwarsdoorsnede-data en niet in het modelleerframework. ALPHANSO positioneert zich daarom als het ideale instrument voor zowel fundamenteel onderzoek (zoals donkere-materie-experimenten) als toegepaste nucleaire modellering.