基于机器学习辅助逐事件多普勒修正的快热奇异同位素精密谱学
核实验
2024-03-04 v1 人工智能
机器学习
原子物理
计算物理
摘要
我们提出一种对快奇异同位素进行灵敏、高精度激光谱学研究的实验方案。通过在电场中行进的原子内诱导逐步共振电离，并随后探测离子与相应电子，可对所得粒子进行时间与平面位置灵敏测量。利用混合密度网络（MDN），我们可借助该信息预测单个原子的初始能量，从而对观测跃迁频率逐事件地施加多普勒修正。我们对所提实验方案进行数值模拟，表明对于极端温度（ K）下产生、能量展宽达 keV且速度分布不均匀的离子束，可实现kHz量级不确定度。直接在高能束流上进行在飞谱学的能力，为研究毫秒及以下寿命、低产额、处于高温高污染环境且无需冷却技术的短寿命同位素提供了独特机遇。此类核素对核结构、天体物理与新物理搜寻具有重要意义。
引用
@article{arxiv.2304.13120,
title = {Precision Spectroscopy of Fast, Hot Exotic Isotopes Using Machine Learning Assisted Event-by-Event Doppler Correction},
author = {Silviu-Marian Udrescu and Diego Alejandro Torres and Ronald Fernando Garcia Ruiz},
journal= {arXiv preprint arXiv:2304.13120},
year = {2024}
}