🔬 physics

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

本文提出了一种用于精确模拟非对称阿尔法峰的新型四参数解析函数，并已将其集成到现有的 ALF 软件中，以实现对多达十个重叠峰的解卷积。

原作者： Jerzy Wojciech Mietelski

发布于 2026-07-09

📖 1 分钟阅读☕ 轻松阅读

原作者： Jerzy Wojciech Mietelski

原始论文采用 CC BY 4.0 许可（https://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

想象一下，你正在聆听一群阿尔法粒子（alpha particles）正朝着探测器歌唱着飞入。在一个完美的理想世界里，每一位歌手都唱着完全相同的音符，创造出一个美丽、对称的钟形曲线——一个经典的高斯分布（Gaussian shape）。但在现实世界中，情况变得混乱不堪。当这些微小的粒子从源头向探测器移动时，它们会撞击到一些东西：探测器入口窗上的“死层”（dead layer）以及源材料本身。这些碰撞会偷走它们的一部分能量，但偷走的量并不总是相同的。

这就像是一场跑步比赛中的选手，有些人被路上的碎石绊倒了，而有些人没有。那些没有被绊倒的选手准时到达，保持了能量峰值高能侧的锐利与对称。但那些被绊倒的选手迟到了，将峰值的低能侧拖成了一个长长的、混乱的尾巴。这创造了一种“不对称”的形状，看起来就像是一个被拖过泥地的钟形曲线。

几十年来，科学家们一直试图用数学来描述这种混乱的形状，却感到十分吃力。他们通常必须使用一套由许多不同公式组成的复杂工具包，来把曲线的不同部分拼凑在一起。但来自波兰核物理研究所的研究员耶日·沃伊切赫·米特尔斯基（Jerzy Wojciech Mietelski）决定尝试一种不同的方法。他引入了一个巧妙的单一数学函数，它就像一个“变形器”。

这个新函数是一个经过修改的高斯函数，但带有一个转折点。它只有四个可以调节的“旋钮”（参数）：

振幅（Amplitude）： 峰值有多高。
位置（Position）： 峰值在图表上的什么位置。
形状参数 1（Shape Parameter 1）： 控制曲线在右侧（干净的高斯侧）的表现。
形状参数 2（Shape Parameter 2）： 控制左侧那混乱、长长的尾巴。

这里的魔力在于：在峰值的右侧，该函数表现得像一个标准的、完美的高斯曲线。但在左侧，它会演变成一个更复杂的公式，从而自然地产生由能量损失引起的那个长长的指数尾部。这就像拥有一块神奇的黏土，它可以一侧平滑圆润，另一侧却可以拉伸并逐渐变细，而无需将两种不同的形状粘合在一起。

米特尔斯基不仅仅是空想，他将这一理论投入到了名为 ALF 的计算机代码中，该代码自 1993 年以来一直在他的实验室中运行。这个过程分为两步，就像调频收音机一样。首先，计算机观察一个清晰的单一峰值，并确定形状参数的确切设置（即“泥泞”侧和“干净”侧的特征）。一旦它了解了针对该特定实验的“泥泞”程度，就会锁定这些设置。然后，它利用这个固定的形状来解开最多 10 个重叠峰值的混乱局面——只需调整它们的高度和位置即可。

论文报告称，这种方法已经经过了 30 年 的测试，并成功分析了超过 15,000 份能谱（spectra）。它甚至通过了严格的“熟练度测试”，即实验室必须证明他们能够对照其他专家进行正确测量。作者指出，结果非常可靠，曲线下的面积（代表放射性物质的含量）与粒子总计数几乎完美吻合。

令人惊讶的是，这个“阿尔法”变形器并不仅仅适用于阿尔法粒子。论文提到，团队尝试使用相同的数学方法来分离液体闪烁光谱仪中的贝塔（beta）辐射信号。在一次涉及 $^{90}\text{Sr}$ （锶-90）与 $^{90}\text{Y}$ （钇-90）处于平衡状态的测试中，该方法成功分离了信号，误差仅为 3%。

因此，虽然这篇论文并未声称它是解决所有物理问题的万灵药，但它展示了一个经过数十年验证的、稳健的四参数工具。它将一个混乱、不对称的问题变成了一个可解的谜题，让科学家们能够穿透重叠信号的噪音，清晰地观察到无论是来自南极地衣的阿尔法粒子，还是来自动物骨骼的贝塔粒子。

技术摘要：用于非对称 $\alpha$ 谱线的四参数修正高斯函数

问题陈述
在 $\alpha$ 能谱分析中，谱线经常表现出非对称形状，而非理想的高斯分布。这种不对称性主要是由于 $\alpha$ 粒子在穿过半导体探测器的死层（入射窗）及源材料时发生能量损失而引起的。这种退化程度取决于粒子相对于探测器的随机发射角度。因此，峰值的低能侧会变得更宽，趋向于指数衰减，而高能侧则保持高斯分布，仅受统计涨落的影响。

从历史上看，目前尚无单一且公认的数学公式来描述这种形状。实际的解决方案通常依赖于针对谱线特定部分的多元参数函数集。虽然存在各种软件包（例如 ALFUN-A、MicroSAMPO、ALFA）来解决这些挑战，但在本研究之前，广泛采用的 ALF 计算机代码中所使用的特定解析函数尚未在文献中详细阐述。

方法论
本文提出了一种原创的解析函数，旨在利用仅有的四个自由参数来描述非对称 $\alpha$ 峰的形状。该函数被实现在 ALF 计算机代码中，这是一个基于 Fortran 开发于 1993 年左右的工具（由早期的伽马射线代码 P.I.M.P. 修改而来），用于 $\alpha$ 能谱评估。

该方法的核心是以下修正高斯函数 $N(x)$ ，其中 $x$ 代表通道数：

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

参数：

$\alpha$ ：振幅（最大值处的计数）。
$M$ ：峰值最大位置。
$\beta$ 和 $\gamma$ ：形状参数（均 $>0$ ），特定于源和探测器几何结构。

函数的行为：

高能侧 ( $x > M$ )： 函数收敛于标准高斯分布。
低能侧 ( $x < M$ )： 函数变得更加复杂，在远离峰值最大值处（ $x \ll M$ ）向普通指数函数过渡。
参数作用： $\gamma$ 控制峰值的右侧形状，而 $\beta$ 和 $\gamma$ 共同控制左侧形状。

拟合程序（解卷积）：
ALF 代码利用非线性函数拟合程序对最多 10 个重叠的 $\alpha$ 峰进行解卷积。该过程分为两个截然不同的步骤执行：

初始形状确定： 对单个定义良好的谱线（或包含最大值的片段）进行拟合，以确定四个参数 ( $\alpha, M, \beta, \gamma$ )。这使用标准的非线性最小二乘拟合，通过 10 次线性近似（泰勒级数展开）迭代完成。
峰解卷积： 一旦确定了 $\beta$ 和 $\gamma$ ，它们将被视为整个谱线的固定常数，因为它们取决于源的质量和源-探测器几何结构，而非单个峰值。第二步涉及同时拟合所有重叠峰的振幅 ( $\alpha_i$ ) 和位置 ( $M_i$ )。这是通过将函数之和展开为级数，并使用 Cracovian 算法求解变量向量的增量来实现的。

文中强调，Cracovian 算法是一个特定的优势，因为它在确定参数值的同一程序内计算了拟合参数的不确定度。

主要贡献与结果

解析简洁性： 本文引入了一个紧凑的四参数函数，能够有效模拟复杂的 $\alpha$ 谱线不对称性，而无需复杂的分段拟合。
验证与长期应用： 该函数自 1993 年以来一直处于常规使用中。在过去的 30 年里，它已被应用于超过 15,000 个能谱。通过将计算的峰面积与计数总和进行对比进行了验证，所有测试均通过。
解卷积能力： 该方法成功分离了部分重叠的峰，动物骨骼中的 Th 分馏样本证明了这一点。
意外用途： 作者指出，该函数在分析使用对数通道标度的液体闪烁计数器获得的 $\beta$ 辐射谱（特别是 $^{90}\text{Sr}$ / $^{90}\text{Y}$ ）时，表现出了惊人的实用性，其误差范围在 3% 以内。

意义
该论文声称其意义主要在于通过 ALF 软件成功地长期验证了这一特定的四参数函数。通过将此前未记录的 ALF 解析基础形式化，这项工作提供了一个稳健且数学定义的工具，用于解卷积重叠的 $\alpha$ 峰。该方法在解析严谨性和计算效率之间取得了平衡，能够在传统高斯拟合失效的复杂谱线中精确确定峰面积。使用 Cracovian 算法进一步确保了在拟合的同时严格计算参数的不确定度。

技术摘要：用于非对称 α\alphaα 谱线的四参数修正高斯函数

类似论文

技术摘要：用于非对称 $\alpha$ 谱线的四参数修正高斯函数