Étude par apprentissage automatique des demi- vies de désintégration alpha des noyaux pairs-pairs, pairs-impairs, impairs impairs pour 117 < z < 120

Abstract

L’étude porte sur la prédiction des demi-vies de désintégration α des noyaux superlourds, en combinant une formule semi-empirique appropriée et l’algorithme d’apprentissage automatique (en anglais Machine Learning). Les principales formules utilisées incluent celles de Royer (DZR) et la loi universelle modifiée de désintégration (MUDL) qui sont des références. Du côté du Machine Learning, l’approche s’est centrée sur les réseaux de neurones artificiels (RNA). Conformément au théorème du "No Free Lunch", plusieurs modèles ont été testés pour identifier le plus adapté aux données issues de NUBASE2020. La formule améliorée de Royer, avec un écart type de 0.5411, s’est révélée la plus performante parmi les formules semi-empiriques. Parmi les modèles de ML, le RNA a donné les résultats les plus précis, ce qui en fait l’outil le plus fiable pour prédire les demi-vies des noyaux superlourds. Les calculs ont porté notamment sur 500 noyaux dont on connaissait les valeurs expérimentales pour entrainer notre modèle de ML, ainsi que sur 144 noyaux (pairs-pairs, pairs-impairs, impairs-impairs)dont le numéro atomique est compris entre 117 et 120 pour prédire leurs demi-vies. Pour cela, les valeurs de Qα ont été prédites par le RNA, puis utilisées comme entrées pour estimer les demi-vies à l’aide du DZR et du modèle de RNA pour les noyaux dont les demi-vies ne sont pas encore mesurées. Les résultats obtenus montrent que le modèle basé sur le RNA est capable de reproduire avec une bonne précision les demi-vies de désintégration α et, dans certains cas, d’améliorer les prédictions par rapport aux formules semi-empiriques. Les comparaisons entre les formules semi-empiriques existante (DZR, MUDL) et le modèle de RNA montrent des résultats globalement cohérents, utiles pour guider les futures recherches expérimentales. Ce travail met en évidence l’intérêt de l’IA comme outil complémentaire aux approches théoriques et semi-empiriques, en particulier pour des noyaux superlourds dont les données expérimentales sont limitées.