מדענים במעבדה הלאומית של לוס אלמוס משתמשים בלמידת מכונה כדי לחזות מסות אטומיות ולדמות את תהליך r, מנגנון מפתח ביצירת יסודות כבדים ביקום. עבודתם קידמה משמעותית את ההבנה של גרעיני אטום ומבנים גרעיניים, והשפיעה על מחקר פיזיקה גרעינית ניסיוני. קרדיט: twoday.co.il.com
תחזיות למידת מכונה מדגמנות בהצלחה מסות אטומיות של תרשים גרעיניים.
מקורם של יסודות כבדים ביקום שלנו הוא תיאורטי להיות תוצאה של כוכב ניטרונים התנגשויות, שמייצרות תנאים חמים וצפופים מספיק כדי שהנייטרונים החופשיים יתמזגו עם גרעיני אטום ויוצרים יסודות חדשים בחלון זמן של שבריר שנייה. בדיקת תיאוריה זו ותשובה לשאלות אסטרופיזיקליות אחרות דורשות תחזיות עבור מגוון עצום של מסות של גרעיני אטום. מדעני המעבדה הלאומית של לוס אלמוס עומדים בראש ובראשונה בשימוש למידת מכונה אלגוריתמים (יישום של בינה מלאכותית) למודל מוצלח של המסות האטומיות של תרשים הגרעין כולו – השילוב של כל הפרוטונים והנייטרונים האפשריים המגדירים יסודות והאיזוטופים שלהם.
"אלפים רבים של גרעיני אטום שטרם נמדדו עשויים להתקיים בטבע", אמר מתיו מומפאואר, פיזיקאי תיאורטי ומחבר שותף בכמה מאמרים עדכניים המפרטים את מחקר המסה האטומית. "אלגוריתמים של למידת מכונה הם חזקים מאוד, מכיוון שהם יכולים למצוא מתאמים מורכבים בנתונים, תוצאה שמודלים תיאורטיים של פיזיקה גרעינית מתקשים לייצר ביעילות. מתאמים אלה יכולים לספק מידע למדענים על 'פיזיקה חסרה' ויכולים לשמש בתורם לחיזוק מודלים גרעיניים מודרניים של מסות אטומיות".
הדמיית תהליך לכידת ניוטרונים מהירה
לאחרונה, Mumpower ועמיתיו, כולל סטודנטית הקיץ לשעבר בלוס אלמוס, מנגה לי והפוסט-דוקטורט טרבור ספרוס, כתבו מאמר ב פיזיקה אותיות ב(1) שתיאר הדמיה של תהליך אסטרופיזי חשוב עם מודל מסה של למידת מכונה מבוסס פיזיקה. תהליך r, או תהליך לכידת נויטרונים מהירה, הוא התהליך האסטרופיזי המתרחש בסביבות קיצוניות, כמו אלו שנוצרו מהתנגשויות של כוכבי נויטרונים.
יסודות כבדים עשויים לנבוע מ"נוקלאוסינתזה" זו. למעשה, ייתכן שמחצית מהאיזוטופים הכבדים עד הביסמוט וכל התוריום והאורניום ביקום נוצרו בתהליך r.
הדמיית Los Alamos של דיסק צבירה לאחר התנגשות של שני כוכבי נויטרונים. אירוע זה יוצר אלמנטים קלים (כחול) וכבדים (אדומים). קרדיט: המעבדה הלאומית של לוס אלמוס
עם זאת, דוגמנות את ר התהליך דורש תחזיות תיאורטיות של מסות אטומיות שנמצאות כיום מעבר להישג נסיוני. גישת למידת המכונה המבוססת על פיזיקה של הצוות מאמנת מודל המבוסס על בחירה אקראית מתוך הערכת המסה האטומית, מסד נתונים גדול של מסות. בשלב הבא החוקרים משתמשים במסות החזויות הללו כדי לדמות את תהליך r. המודל אפשר לצוות לדמות נוקלאוסינתזה של r-process עם תחזיות מסה שנלמדו על ידי מכונה בפעם הראשונה – הישג משמעותי, שכן תחזיות למידת מכונה מתקלקלות בדרך כלל בעת אקסטרפולציה.
"הראינו שלמידת מכונה מסות אטומיות יכולות לפתוח את הדלת לתחזיות מעבר למקום שבו יש לנו נתונים ניסיוניים", אמר Mumpower. "הקטע הקריטי הוא שאנחנו אומרים למודל לציית לחוקי הפיזיקה. על ידי כך, אנו מאפשרים אקסטרפולציות מבוססות פיזיקה. התוצאות שלנו שוות או עולות על מודלים תיאורטיים עכשוויים וניתן לעדכן אותם מיד כשנתונים חדשים זמינים."
חקירת מבנים גרעיניים
ה רסימולציות תהליכים משלימות את היישום של צוות המחקר של למידת מכונה לחקירות קשורות של מבנה גרעיני. במאמר שפורסם לאחרונה ב סקירה פיזית ג(2) נבחר כהצעת עורך, הצוות השתמש באלגוריתמים של למידת מכונה כדי לשחזר אנרגיות מחייבות גרעיניות עם אי ודאויות מכומות; כלומר, הם הצליחו לברר את האנרגיה הדרושה להפרדת גרעין אטום לפרוטונים ולנייטרונים, יחד עם סרגל שגיאה משויך לכל חיזוי. האלגוריתם מספק אפוא מידע שאחרת ייקח זמן חישוב ומשאבים משמעותיים להשיג מהמודלים הגרעיניים הנוכחיים.
בעבודה קשורה,(3) הצוות השתמש במודל למידת המכונה שלהם כדי לשלב נתונים ניסיוניים מדויקים עם ידע תיאורטי. התוצאות הללו(4) הניעו כמה מהקמפיינים הניסיוניים הראשונים במתקן החדש של קרני איזוטופים נדירים, המבקש להרחיב את האזור הידוע של המפה הגרעינית ולחשוף את מקורם של היסודות הכבדים.
- "מסות אטומיות עם למידת מכונה עבור תהליך r אסטרופיזי" מאת Mengke Li, Trevor M. Sprouse, Bradley S. Meyer and Matthew R. Mumpower, 6 בדצמבר 2023, פיזיקה אותיות ב.
DOI: 10.1016/j.physletb.2023.138385 - "מסות גרעיניות למדו מרשת עצבית הסתברותית" מאת AE Lovell, AT Mohan, TM Sprouse ו-MR Mumpower, 13 ביולי 2022, סקירה פיזית ג.
DOI: 10.1103/PhysRevC.106.014305 - "למידת מכונה הניתנת לפירוש פיזית עבור מסות גרעיניות" מאת MR Mumpower, TM Sprouse, AE Lovell ו-AT Mohan, 1 באוגוסט 2022, סקירה פיזית ג.
DOI: 10.1103/PhysRevC.106.L021301 - "ממוצע בייסיאני עבור מסות מצב קרקע של גרעיני אטום בגישת למידת מכונה" מאת מתיו מומפאואר, מנגה לי, טרבור מ. ספרוס, בראדלי ס. מאייר, איימי אי. לאבל וארווינד ט. מוהן, 7 ביולי 2023, גבולות בפיזיקה.
DOI: 10.3389/fphy.2023.1198572
מימון: עבודה זו נתמכה על ידי תוכנית המחקר והפיתוח מכוון מעבדה בלוס אלמוס ועל ידי ה- נאס"א תוכנית העולמות המתעוררים.
