这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。 阅读完整免责声明
Each language version is independently generated for its own context, not a direct translation.
这篇论文就像是一份**“超级元素 120 号的寻宝地图”**。
想象一下，核物理学家们正在玩一个极高难度的“搭积木”游戏。他们的目标是用两个较小的原子核（积木块）去撞击、融合，造出一个从未存在过的、超级巨大的原子核——第 120 号元素。
但是，这个任务太难了，就像试图在狂风中把两团湿棉花捏在一起，而且捏合的瞬间，它们还特别容易自己散架（发生裂变）。为了知道怎么捏成功率最高，科学家们需要一张精准的“操作说明书”。
这篇论文就是由张炜、张士杰和陈鹏辉三位作者编写的，他们做了一件非常聪明的事：把说明书里的所有数据，都换成了同一套“原厂标准”，不再混用不同来源的拼凑数据。
下面我用几个生动的比喻来解释他们是怎么做的：
1. 为什么要换“原厂标准”？（统一输入量）
以前，科学家在计算时，就像是在做菜：
- 核质量（食材重量）用的是 A 菜谱的数据；
- 裂变势垒（食材耐热性）用的是 B 菜谱的数据；
- 能级密度（火候控制）用的是 C 菜谱的经验值。
这样做出来的菜，味道可能就不对劲，因为各个数据之间“性格不合”。
这篇论文的突破在于： 他们决定**“自给自足”。他们使用了一套名为“有限温度协变密度泛函理论”（Finite-temperature CDFT）**的高级烹饪理论（就像是一个超级厨房），用同一套逻辑重新计算了所有需要的数据（质量、耐热性、壳层修正等）。
- 比喻： 就像他们不再去超市买不同牌子的调料，而是自己种菜、自己磨粉、自己酿酱油，确保所有食材都是“亲兄弟”，性格最合拍。
2. 他们用了什么模型？（双核系统模型 DNS）
为了预测怎么融合，他们使用了**“双核系统模型”（DNS）**。
- 比喻： 想象两个原子核是两个带着磁铁的球。当它们靠近时，并不是直接粘在一起，而是先像两个跳舞的人一样，手拉手转圈圈（形成双核系统）。
- 在这个过程中，它们要么成功融合成一个巨大的球（合成成功），要么因为转得太快或太慢而甩开对方（发生准裂变或弹开）。
- 这个模型就是用来计算：在什么速度、什么角度下，这两个“舞者”能最完美地跳完这支舞，最终融为一体。
3. 他们验证了什么？（先练手，再实战）
在预测第 120 号元素之前，他们先拿已经造出来的元素做“模拟考”：
- 冷融合（No 元素）： 像用较轻的球去撞铅球。
- 热融合（Fl 元素）： 像用较重的球去撞钚球。
- 结果： 他们的“原厂标准”计算结果，和过去几十年实验测得的数据非常吻合。这说明他们的“新菜谱”是靠谱的，可以开始做“大菜”了。
4. 最终目标：寻找第 120 号元素（实战预测）
现在，他们开始预测如何制造第 120 号元素。他们挑选了四组“搭档”（弹丸 + 靶核）进行模拟：
- 钛 (Ti) + 锎 (Cf)
- 钒 (V) + 锫 (Bk)
- 铬 (Cr) + 锔 (Cm)
- 锰 (Mn) + 镅 (Am)
他们的发现（寻宝结果）：
- 冠军选手： 钛 (Ti) + 锎 (Cf) 这一组最有希望！
- 就像找到了最顺滑的跑道，成功率最高（截面最大，约 48.20 飞靶）。
- 最佳“撞击速度”（激发能）是 41 MeV。
- 亚军选手： 钒 + 锫，也有一定希望，但成功率低一些。
- 其他选手： 铬和锰的组合，难度越来越大，成功率呈断崖式下跌。
为什么钛 + 锎最好？
因为这一对“搭档”在融合时，需要的能量交换最合理，而且融合后的“大球”最不容易散架。相比之下，用更重的弹丸（如锰），虽然也能撞，但就像用大锤子去敲鸡蛋，容易把鸡蛋敲碎（发生裂变），而不是融合。
总结
这篇论文的核心贡献是：
- 统一了标准： 用一套微观理论（CDFT）生成了所有计算所需的物理参数，消除了数据打架的问题。
- 验证了模型： 通过复现已知元素（No, Fl）的实验数据，证明了这套新方法的准确性。
- 指明了方向： 告诉全世界的实验室，如果想造第 120 号元素，请优先尝试用“钛”去轰击“锎”，并且控制好撞击的能量。
这就好比在茫茫大海中，他们不仅画出了一张更精准的地图，还明确标出了：“宝藏最可能藏在这个坐标，用这种船速去挖，成功率最高！”这为未来的实验节省了大量的时间和金钱。
您所在领域的论文太多了？
获取与您研究关键词匹配的最新论文每日摘要——附技术摘要，使用您的语言。