The evaluation of Qα based on experimental masses and other properties of atomic nuclei

• Autorzy: Krajka A. , Łojewski Z. , Mitura R.

Warianty tytułu

PL

Oszacowanie Qα na podstawie eksperymentalnie wyznaczonych mas i innych własności jąder atomowych

• Języki publikacji: EN

Abstrakty

EN

The specially interesting experimental value, in the nuclear physic, describing the alpha decay is the decay energy Qα. This energy is a key to understanding the series of nuclei disorders. On the basis of decay energy we may compute sequential masses and energy of unstable nuclides. Because alpha is the helium element, thus from a nucleus with N neutrons and Z protons after the alpha decay we obtain a nucleus with N-2 and Z-2 protons and neutrons, respectively. It is natural to compute Qα as a difference between the mass of nuclei with N neutrons and Z protons and masses obtained after decay i.e. the mass of nuclei with N-2 neutrons and Z-2 protons and the mass of helium element. We tested this known “classical“ formula based on a large collection of the newest experimental data, the so called AME2012 and NUBASE2012 data bases. We computed accurate constants in the “classical” formula. Additionally, we showed inadequacy of the “classical” model. The almost three times better model is the one based on a neutral network (named in paper MSN) but we prefer slightly better (in comparison with MSN) the nonlinear regression model (named MQT). MQT is the development of the “classical” method taking additionally into account the terms with separation energy neutrons and protons multiplied by multinomials of numbers of neutrons N and protons Z, respectively. In the paper we show how the mentioned above methods may be used to prediction of unknown values of Qα. All computations were made in language R.

Szczególnie interesującą wielkością w fizyce jądrowej jest energia rozpadu cząstki alfa. Wielkość ta umożliwia odtworzenie mas i energii jąder szybko zmieniających się w przemianach jądrowych pierwiastków. Ponieważ cząstka alfa jest jądrem atomu helu, więc z jądra o N neutronach i Z protonach otrzymujemy po przemianie jądro o N-2 neutronach i Z-2 protonach oraz jądro atomu helu. Dlatego naturalne jest szacowanie energii Qα jako różnicy mas jądra przed przemianą i jądra po przemianie wraz z masą atomu helu. Jest to tzw. “klasyczny” sposób obliczania energii Qα. Na podstawie dużego zbioru nowo uzyskanych eksperymentalnych wyników (bazy danych AME2012 I NUBASE2012) chcielibyśmy w tej pracy zweryfikować “klasyczny” sposób obliczania Qα. Obliczymy dokładniej stałe występujące w “klasycznym” wzorze a potem pokażemy, że niektóre inne metody dają zdecydowanie mniejszy błąd niż wspomniana “klasyczna” metoda. W szczególności opiszemy sieci neuronowe (MSN) oraz przedstawimy preferowaną przez nas metodę MQT opartą na nieliniowej regresji. MQT może być traktowana jako rozwinięcie “klasycznej” metody poprzez uwzględnieni dodatkowo członów z energiami separacji protonów i neutronów pomnożonych przez odpowiednie wielomiany od liczby protonów i neutronów. Dodatkowo pokażemy jak te wszystkie metody służą do prognozowania nieznanych wartości Qα. Wszystkie obliczenia wykonaliśmy w języku R.

Słowa kluczowe

EN

atomic mass; data mining; energy; nucleons; R language; regression

PL

data mining; energia; język programowania R; masa atomowa; nukleony; regresja

• Wydawca: Wydawnictwo PAK
• Czasopismo: Pomiary Automatyka Kontrola
• Rocznik: 2013
• Tom: R. 59, nr 10
• Strony: 1128--1132
• Opis fizyczny: Bibliogr. 17 poz., rys., tab., wykr., wzory

Twórcy

autor

Krajka A.

• Institute of Informatics, Maria Curie-Skłodowska University, Pl. M. C. Skłodowskiej 1, ul. Akademicka 9, 20-033 Lublin

autor

Łojewski Z.

• Institute of Informatics, Maria Curie-Skłodowska University, Pl. M. C. Skłodowskiej 1, ul. Akademicka 9, 20-033 Lublin

autor

Mitura R.

• Institute of Informatics, Maria Curie-Skłodowska University, Pl. M. C. Skłodowskiej 1, ul. Akademicka 9, 20-033 Lublin

Bibliografia

• [1] Audi G., Wang M., Wapstra A. H., Kondev F. G., MacCormick M., Xu X. and Pfeiffer B.: The AME2012 atomic mass evaluation (I). Evaluation of input data, adjustment procedures. Chinese Physics C, CPC 36(12), 2012, 1287–1602.
• [2] Audi G., Wapstra A. H. and Thibault C.: The AME2003 atomic mass evaluation (II). Tables, graphs, and references. Nucl. Phys. A 729 (2003) 337.
• [3] Biecek P.: Przewodnik po pakiecie R, Wrocław 2008, Oficyna Wydaw. GIS.
• [4] Bishop C.: Neural Networks for Pattern Recognition. Oxford: University Press 1995.
• [5] Electronical textbook: http://www.statsoft.com/textbook/.
• [6] Fausett L.: Fundamentals of Neural Networks. New York: Prentice Hall. 1994.
• [7] Haykin S.: Neural Networks: A Comprehensive Foundation. New York: Macmillan Publishing 1994.
• [8] Myers W. D ., Świątecki W.J.: Ann. Phys. 84, 186 (1974).
• [9] Nisbet R., Elder J. and Miner G.: Handbook of Statistical Analysis and Data Mining Applications. Burlington, MA: Academic Press (Elsevier) 2009.
• [10] Patterson D: Artificial Neural Networks. Singapore: Prentice Hall 1996.
• [11] Ripley B. D.: Pattern Recognition and Neural Networks. Cambridge University Press 1996.
• [12] Statistics in R, http://zoonek2.free.fr/UNIX/48\_R/all.html
• [13] The home page of language R: http://cran.r-project.org/.
• [14] The Nubase2012 and the Ame2012 files in the electronic distribution can be retrieved from the Atomic Mass Data Center through the Web at http://csnwww.in2p3.fr/amdc/.
• [15] Walesiak M., Gatnar E.: Statystyczna analiza danych z wykorzystaniem programu R, Warszawa 2009, Wydaw. Nauk. PWN SA.
• [16] Wapstra A. H., Audi G. and Thibault C.: The AME2003 atomic mass evaluation (I). Evaluation of input data, adjustment procedures. Nucl. Phys. A 729, (2003), 129.
• [17] Wapstra A. H., Gove N. B., Nuclear Data Tables, A9 (1971), 267.