Resumo: Neste trabalho realizamos um estudo sistemático do processo de decaimento alfa do estado fundamental dos núcleos alfa-emissores, usando uma abordagem de rede neural bayesiana. Para isso é utilizada uma metodologia híbrida, na qual o treinamento da rede bayesiana é realizado com os valores residuais entre as previsões de um modelo teórico e os dados experimentais. Para ilustrar a metodologia, usamos o modelo de massa Duflo-Zuker de 10 parâmetros. Em seguida, estendendo o estudo para 9 outros modelos de massa.
As previsões dos valores $Q_{\alfa}$ dos modelos de massa são aprimoradas, diminuindo os desvios quadráticos médios dos dados experimentais em quantidades superiores a 45 % para a maioria dos modelos. Essas correções, em alguns casos, podem resgatar alguns aspectos físicos que não estão presentes nos modelos utilizados, permitindo identificar algumas estruturas de maior estabilidade, possivelmente associadas a números mágicos ou sub-mágicos. Utilizando o modelo fenomenológico efetivo proposto por Gonçalves e
Duarte, calculamos os valores de meia-vida para o decaimento alfa. Nesse modelo de decaimento, considera-se que a partícula alfa é formada no núcleo pai e é emitida em um processo de tunelamento através de uma barreira de potencial efetivo. Um elemento crucial no cálculo da meia-vida é a energia liberada no processo de decaimento, no nosso caso esse é o valor obtido usando a metodologia de aprendizado de máquina. Dos
resultados obtidos, os mais destacados são as melhorias obtidas na região dos elementos transactinídeos, também chamados de elementos superpesados. Sendo esta uma região de grande interesse e atividade para físicos teóricos e experimentais na atualidade, esperamos que esses resultados sirvam de guia para futuros experimentos na busca de novos elementos e isótopo.
|
