引言
近日，中国科学院近代物理研究所（Institute of Modern Physics, IMP）副研究员吕冰锋、湖州师范学院王永佳教授，以及巴黎萨克雷大学的研究人员，利用机器学习方法研究原子核低位激发态的能量和电磁跃迁几率，取得重要进展。这一研究不仅揭示了原子核壳层结构的奥秘，还提出了新的物理现象，为未来的研究提供了新的方向。相关研究发表在《Physics Letters B》上。
研究背景与方法
原子核由质子和中子组成，科学家在20世纪30年代发现，当质子或中子的数量为2、8、20、28、50、82、126时，原子核表现出相对稳定的性质，这些数量被称为“幻数”（magic numbers）。幻数的发现被视为原子核壳层结构的直接证据。然而，随着研究的深入，科学家们逐渐意识到，幻数可能并不是一成不变的。特别是在远离稳定线的原子核中，传统幻数的存在性和新的幻数的出现都成为研究的重点。
吕冰锋副教授及其团队利用机器学习方法，对原子核低位激发态的能量和电磁跃迁几率进行了深入研究。他们通过分析大量的实验数据和理论模型，揭示了锡-100的双幻性质以及氧-28中幻数20的消失。
研究成果
研究团队发现，锡-100表现出双幻性质，这意味着其质子和中子的数量都接近幻数，这种稳定性使得锡-100成为研究原子核壳层结构的理想对象。此外，研究还揭示了氧-28中幻数20的消失，这表明在远离稳定线的原子核中，传统幻数的稳定性可能会发生变化。这些发现对于理解原子核结构和性质具有重要意义，也为未来的研究提供了新的视角。
研究意义
吕冰锋副教授指出，传统的幻数在双幻核氧-28和锡-100中的稳健性引起了科学家的关注。这一发现不仅丰富了我们对原子核结构的理解，还可能与新的物理现象有关。未来的研究将进一步探索这些现象，为核物理领域带来新的突破。
结论
吕冰锋副教授及其团队的研究成果为原子核壳层结构的研究提供了新的视角和方法。通过机器学习技术，科学家们能够更深入地理解原子核的性质和行为，这对于推动核物理领域的发展具有重要意义。未来的研究将继续探索原子核壳层结构的奥秘，为新的物理现象提供理论支持。
参考文献
吕冰锋, 王永佳, et al. Machine Learning Reveals Evolution of Nuclear Shells. Physics Letters B, 2024, 139013. DOI: 10.1016/j.physletb.2024.139013
通过上述分析，我们可以看到，中国科学院物理学家利用机器学习技术在原子核壳层结构研究方面取得了重要进展。这一研究不仅揭示了传统幻数的稳健性，还发现了新的物理现象，为未来的研究提供了新的方向。
Views: 0