CDW-EIS calculations of atomic ionization by bare ions and antiprotons
本文通过从头算 CDW-EIS 方法计算了多种靶标与入射粒子（包括裸离子和反质子）的原子电离截面，提供了一个具有系统趋势分析且公开可获取的数据集，并引入了一个神经网络代理模型（CDWEIS-NN）用于插值及扩展这些结果以进行实际应用。
原始论文采用 CC BY 4.0 许可（http://creativecommons.org/licenses/by/4.0/）。 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
当一个快速移动的粒子（如剥离原子或反质子）撞击另一个原子时，它可能会将电子撞出。这个被称为电离的过程是科学家和艺术史学家共同使用的一项强大工具背后的引擎：粒子诱导X射线发射。通过向样品发射粒子束，研究人员可以导致原子发射出X射线，这些X射线就像是一个独特的指纹，能够揭示出究竟存在哪些元素。这种技术可以对从文艺复兴时期绘画中的古代颜料到现代摩天大楼中的钢合金进行非破坏性分析。然而，为了准确读取这些指纹，科学家需要知道碰撞将电子从原子核周围特定电子壳层中撞出的精确概率。这些概率被称为截面，它们之所以难以计算，是因为原子是复杂的系统，其中的电子以复杂的方式相互作用，且结果会根据入射粒子的运动速度以及它携带的是正电荷还是负电荷而发生变化。
来自布宜诺斯艾利斯天文学与空间物理研究所的一个研究小组现在创建了一个庞大的、开放的这些概率库，填补了对于文化遗产和工业技术都至关重要的广泛材料的数据空白。他们使用一种名为连续扭曲波-埃伊科纳尔初态法（continuum distorted-wave eikonal initial-state approach）的高级计算机模型，模拟了裸离子与反质子之间数千次碰撞，涵盖了从氢到氪的各种原子，最终生成了一个包含6,239个表格截面的数据库。该研究重点关注周期表中第三行和第四行的元素，例如铝、硅以及铁和铜等过渡金属，这些元素在颜料和先进材料中十分常见。研究人员计算了这些原子中每一个被占据电子壳层的电离可能性，并跨越了广泛的速度谱。他们发现，虽然原子的外层结构细节很重要，但将内层电子束缚住的能量才是决定原子如何响应碰撞的主导因素。这一发现使他们能够将数千个复杂的数据点组织成几个清晰、可预测的模式。
其中一个最显著的发现涉及用带正电的质子与用带负电的反质子撞击原子的区别。在高速度下，这两种粒子表现得几乎完全相同，以类似的效率剥离电子。然而，随着速度降低，明显的差异出现了：反质子在电离原子方面比质子更有效。这种反转之所以发生，是因为在较低能量下，反质子的负电荷与原子的电子产生了不同的相互作用，这一现象此前曾被预测，但现在已在该新数据集中得到了清晰的映射。研究人员还发现，这种电荷符号效应叠加在一个稳健的规则之上：如果你根据被撞击电子壳层的结合能来缩放入射粒子的速度，不同原子的结果都会坍缩到一条单一的、通用的曲线上。这意味着，只要经过能量调整，理解重原子（如铜）的行为可以通过适用于轻原子（如铝）的相同的基本缩放法则来实现。
为了使这些海量数据能够应用于日常场景，该团队开发了一个神经网络，这是一种基于其模拟结果训练的人工智能。这个名为CDWEIS-NN的数字工具可以瞬间预测研究范围内任何入射物种与目标物种组合的电离概率，甚至是对于研究人员并未明确计算过的系统。它充当了沉重、耗时的物理模拟与实验人员实际需求之间快速、准确的桥梁。该网络针对研究人员自身的模拟结果和现实世界的实验数据进行了测试，结果显示，在大多数情况下，它能够以低于5%的误差率重现复杂的物理过程。它成功预测了碳和氧离子撞击氯、钾、钛、铁和铜的系统行为，而这些组合并不在原始训练集中。
其结果为科学界提供了双重资源：一个全面的、高精度计算的原始数据库，以及一个快速、智能的访问工具。这项工作确保了当科学家分析历史文物或新材料时，他们能够获得最准确的理论数据来解释其测量结果。通过证实底层物理学能够经受住实验基准的检验，并通过提供在已知数据点之间进行插值的方法，该研究消除了精确元素分析的一个重要障碍。研究人员已将其所有数据和神经网络工具免费发布在网上，允许任何人查询该系统并获取必要的截面，而无需自行运行复杂的模拟。这种可及性确保了这些深层理论计算所获得的洞察力能够立即应用于材料科学和文化遗产保护的现实问题中。
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。