本文已根据 Science X 的编辑流程和政策进行审阅。编辑在确保内容可信度的同时强调了以下属性：
事实核查
同行评审的出版物
可信来源
校对
一个研究小组使用机器学习方法来研究远离稳定谷的原子核壳层结构的演化。这项研究发表在《Physics Letters B》上，由中国科学院近代物理研究所（IMP）、湖州大学和巴黎萨克雷大学的研究人员进行，揭示了锡100和锡100的双重神奇性质。氧28中神奇数字20的消失。
原子核由质子和中子组成。20世纪30年代，科学家发现，当质子或中子的数量为2、8、20、28、50、82或126时，原子核表现出相对稳定的性质。这些数字被称为“幻数”。幻数的发现被视为原子核壳层结构的直接证据。
然而，科学家们逐渐意识到幻数可能并不是一成不变的。“在远离稳定线的原子核中，传统的幻数还存在吗？是否有新的幻数出现？
这些问题的答案可能会直接影响我们对原子核的理解，甚至与新的物理现象相关”，该研究的通讯作者、IMP副教授吕冰峰说。尤其是双幻核氧28和锡100中传统幻数的鲁棒性引起了人们的极大兴趣。
目前，机器学习广泛应用于各个领域。在核物理中，原子核第一激发态的能量及其到基态的电磁跃迁概率是识别幻数的关键标准。因此，研究人员提出利用现代机器学习算法来研究壳层结构的演化。
“在这项研究中，我们考虑了原子核的诸多特征，实现了低洼实验数据的高精度再现湖州大学的王永嘉表示：“这项研究结果的准确性超越了所有现有的核模型和其他机器学习算法。”该研究的另一位通讯作者。
得益于分析复杂实验数据的高精度和机器学习的强大预测能力，研究人员发现了氧28中传统中子幻数20的消失，并且发现传统的神奇数字50对于原子核tin-100来说仍然完好无损。
此外，研究人员表明原子核的一些基本性质对于改进机器学习方法至关重要，这将有助于加深对原子核的理解低激发态性质，促进理论模型的发展。
本研究结果为未来利用稀有激发态原子核低激发能和电磁跃迁性质的实验测量提供了有价值的指导。世界各地的同位素设施，包括中国的高强度重离子加速器设施。
更多信息：B.F. Lv 等人，Mapping low-lying states and B(E2;01 21 ) in Even-even nuclei with机器学习，《物理快报 B》(2024)。DOI：10.1016/j.physletb.2024.139013
期刊信息：Physics Letters B
中国科学院提供