Una collaborazione tra la Facility for Rare Isotope Beams (FRIB) e il Department of Statistics and Probability (STT) della Michigan State University (MSU) ha stimato i confini dell'esistenza nucleare applicando l'analisi statistica ai modelli nucleari, e valutato l'impatto degli esperimenti FRIB attuali e futuri.

Più del 99,9 per cento dell'universo visibile è costituito da 286 isotopi stabili. Però, la forza nucleare permette molti altri instabili, isotopi radioattivi esistenti. Questa instabilità spesso deriva da quanto sia difficile mantenere la coesione quando ci sono molti più neutroni che protoni in un dato nucleo. Potremmo non osservare mai la maggior parte di questi isotopi instabili, ma questi abitanti di breve durata delle terre di confine nucleari sono importanti:governano i processi nelle stelle che creano tutto ciò che ci circonda, e di cosa siamo fatti.

Più di un anno fa, FRIB e STT alla MSU hanno formato una nuova collaborazione tra la fisica nucleare e le scienze statistiche. Questa collaborazione, guidato dall'assunzione congiunta del ricercatore statistico Dr. Léo Neufcourt, è nato per far lavorare insieme fisica nucleare e statistica alla costruzione di modelli predittivi che risponderanno a domande fondamentali sugli isotopi rari.

Alla luce della recente scoperta di otto nuovi rari isotopi degli elementi fosforo, zolfo, cloro, argon, potassio, scandio, e calcio (gli isotopi più pesanti di questi elementi mai trovati), il team FRIB/STT ha stimato i confini dell'esistenza nucleare nella regione del calcio con una quantificazione completa delle incertezze, valutare l'impatto della scoperta sperimentale sulla ricerca sulla struttura nucleare. L'opera è pubblicata in Lettere di revisione fisica .

Il gruppo ha utilizzato un framework statistico chiamato machine learning bayesiano, dove i parametri e le previsioni del modello statistico sono ottenuti sotto forma di probabilità a posteriori. In sostanza, questo quadro consente di utilizzare nuovi dati (evidenza) per stimare quanto siano probabili determinati risultati correlati. La metodologia che impiegano è spiegata in un documento congiunto in Revisione fisica C . Dopo un'analisi individuale di diversi modelli nucleari, le loro previsioni sono combinate utilizzando pesi bayesiani basati sulla capacità di ciascun modello di tenere conto delle scoperte più recenti.

Utilizzando gli ultimi dati di massa e le prove dell'esistenza del cloro, argon e zolfo insieme a ciò che è attualmente noto sui nuclei esistenti, i ricercatori hanno applicato un approccio bayesiano con modelli di teoria nucleare per prevedere quali potrebbero essere i nuovi nuclei pesanti, e con quale probabilità potrebbero esistere. Questa analisi è una forma di ciò che a volte è noto come apprendimento automatico supervisionato. All'algoritmo vengono prima forniti modelli nucleari e informazioni sui nuclei trovati sperimentalmente. Esplora una miriade di possibilità ma poi si concentra su quelle più rilevanti considerando gli attuali dati sperimentali. La metodologia consente ai ricercatori di quantificare le incertezze delle loro previsioni in modo preciso e affidabile.

A tal proposito, stimano che gli isotopi di calcio più pesanti, fino a calcio-70, potrebbe esistere (vedi figura). Secondo questi risultati, il calcio-68, ad esempio, ha il 76 percento di probabilità di esistere. Questa stima potrebbe cambiare quando gli scienziati scoprono nuovi isotopi nella stessa regione, che la squadra utilizzerà per aggiornare le sue previsioni. Nel futuro, Il FRIB consentirà agli scienziati di creare potenzialmente calcio-68 o addirittura calcio-70.

Il team sta lavorando su diversi altri usi dell'apprendimento automatico bayesiano con applicazioni alla fisica nucleare, compreso un progetto per calibrare il fascio di particelle nell'acceleratore FRIB. La metodologia dovrebbe avere applicazioni dirette ad aree che necessitano di dati quantificati da estrapolazioni basate su modelli, come l'astrofisica nucleare.