نوع مقاله : مقاله پژوهشی

نویسندگان

1 دانشکده فیزیک، دانشگاه تبریز، تبریز

2 دانشکده فیزیک، دانشگاه لیائونینگ نرمال، دالیان، چین

3 گروه فیزیک، دانشکده علوم، دانشگاه ایلام، ایلام

چکیده

در این مقاله، همبستگی آماری احتمال‌ گذار‌های چهار قطبی الکتریکی هسته‌های کروی ارزیابی شده است. برای این هدف، هسته‌های کروی زوج - زوج در محدودۀ جرمی   A < 126   A>100    انتخاب و با استفاده از حد دینامیکی U(5) مدل برهمکنش بوزونی، احتمال گذارهای چهار قطبی الکتریکی بین ترازهای مختلف باند پایه محاسبه شده است. برای بررسی میزان همبستگی آماری، احتمال گذارهای چهار قطبی الکتریکی از روش غیر پارامتری تخمین چگالی کرنلی در قالب آمار نزدیک‌­ترین فاصلۀ بین ترازی نظریۀ ماتریس‌های تصادفی استفاده شد. همچنین، رفتار منظم یا غیر منظم دنباله‌های انتخابی، بر اساس معیار واگرایی کولبک – لایبلر تعیین شد. نتایج حاصل، وجود همبستگی آماری احتمال گذارهای چهار قطبی الکتریکی مختلف بین ترازهای باند پایه را نشان می‌دهد. همچنین با افزایش اسپین تراز اولیه در گذار چهار قطبی الکتریکی، رفتار همبسته در دنباله انتخابی افزایش می‌یابد.

کلیدواژه‌ها

موضوعات

عنوان مقاله [English]

Investigation of the statistical fluctuations of the electric quadrupole transition rates of spherical nuclei by kernel density estimation method‎

نویسندگان [English]

  • Asgar Hosseinnezhad 1
  • amir jalili majarashin 2
  • Pan Feng 2
  • Masoud Seidi 3
  • Hadi Sabri 1

1 Department of nuclear physics, faculty of physics, University of Tabriz, Tabriz, Iran

2 Department of Physics, Liaoning Normal University, Dalian, China

3 Department of Physics, Ilam University, Ilam, Iran

چکیده [English]

In this study, the statistical correlation of the electric quadrupole transition probabilities in the spherical nuclei is investigated. To this aim, the spherical even-even nuclei in the 100 < A < 126 mass region are selected and the electric quadrupole transition rates of different levels in the ground band are determined by the interacting boson model in the U(5) dynamical limit. A non-parametric kernel density estimation method is used in the framework of nearest neighbor spacing distribution of random matrix theory to consider the statistical correlation of these quadrupole transition rates. Also, the Kullback-Leibler divergence is used to describe the regular or chaotic behavior of the considered sequences. The results show the correlation of the electric quadrupole transition probabilities between different levels of the ground band. Also, the correlation increased for such transitions that the angular momentum of the initial state of quadrupole transitions increased.

کلیدواژه‌ها [English]

  • statistical correlation
  • electric quadrupole transition probability
  • interacting boson model (IBM)
  • kernel density estimation (KDE) method
  • Kullback-Leibler divergence (KLD)
  1. M Mehta, “Random Matrices 2nd ed” Academic, New York (1991).
  2. C E Porter, “Statistical theories of spectra: fluctuations” Academic, New York (1965.(
  3. Y Alhassid, Reviews of Modern Physics 72 (2000) 895.
  4. O Bohigas, M J Giannoni, and C Schmit, Physical Review Letters 52 (1984) 1.
  5. T A Brody, et al., Reviews of Modern Physics 53 (1981) 385.
  6. T Guhr, A Müller Groeling, and H A Weidenmüller, Physics Reports 299 (1998) 189.
  7. W Heiss, R Lynch, and R Nazmitdinov, Journal of Experimental and Theoretical Physics Letters 69 (1999) 563.
  8. W Heiss and R Nazmitdinov, Physica D: Nonlinear Phenomena 118 (1998) 134.
  9. Y Alhassid and A Novoselsky, Physical Review C 45 (1992) 1677 .
  10. YAlhassid and N Whelan, Physical Review Letters 67 (1991) 816 .
  11. Y Alhassid and D Vretenar, Physical Review C 46 (1992) 1334.
  12. V Zelevinsky and B Brown, Physics Reports 276 (1996) 85 .
  13. A Adams, et al., Physics Letters B 392 (1997) 1 .
  14. C E Porter and R G Thomas, Physical Review 104 (1956) 483.
  15. B Brown and G Bertsch, Physics Letters B 148 (1984) 5.
  16. H Dias, et al., Journal of Physics G: Nuclear and Particle Physics 15 (1989) L79.
  17. J Verbaarschot and P Brussaard, Physics Letters B 87 (1979) 155 .
  18. R Whitehead, et al., Physics Letters B 76 (1978) 149 .
  19. F Iachello and A Arima, “The Interacting Boson Model ” Cambridge University Press, Cambridge (1987).
  20. V Werner, et al., Physical Review C 78 (2008) 051303 .
  21. P Koseoglou et al., Physical Review C 101 (2020) 014303.
  22. F Iachello, “Neutron Capture Gamma-Ray Spectroscopy “Springer (1979).
  23. A Arima and F Iachello, Annual Review of Nuclear and Particle Science 31 (1981) 75.
  24. F Pan and J Draayer, Nuclear Physics A 636 (1998) 156.
  25. A Al Sayed and A Abul Magd, Physical Review C 74 (2006) 037301 .
  26. B Rashidian Maleki, H Sabri, and M A Jafarizadeh, Journal of Research on Many-body Systems 2 (2013) 47.
  27. H Sabri, et al., Random Matrices: Theory and Applications 3 (2014) 1450017.
  28. P Möller, et al., arXiv preprint nucl-th/9308022 (1993).
  29. H Sabri, et al., The European Physical Journal Plus 129 (2014) 1.
  30. A Hamoudi and A A M Al Rahmani, Nuclear Physics A 892 (2012) 21.
  31. M J Baxter, C C Beardah, and R V Wright, Journal of Archaeological Science 24 (1997) 347.
  32. A W Bowman and A Azzalini, Computational statistics & data analysis 42 (2003) 545.
  33. O De Jager, B Raubenheimer, and J Swanepoel, Astronomy and Astrophysics 221 (1989) 180.
  34. A Elgammal, et al., Proceedings of the IEEE 90 (2002) 1151.
  35. F P Miller, A F Vandome, and J McBrewster, “ Kernel Density Estimation” Alphascript Publishing German (2010).
  36. M Rodchuen and P Suwattee, Chiang Mai Journal of Science 38 (2011) 1.
  37. M Rudemo, Scandinavian Journal of Statistics (1982) 65.
  38. D W Scott, “Multivariate density estimation: theory, practice, and visualization” John Wiley & Sons (2015).
  39. S J Sheather and M C Jones, Journal of the Royal Statistical Society: Series B (Methodological) 53 (1991) 683.
  40. J Shi, M Luo, and C Huang, Indian Journal of Physics 84 (2010) 1229 .
  41. G R Terrell and D W Scott, The Annals of Statistics (1992) 1236.
  42. H Aytekin and D Demirbağ, Indian Journal of Physics 87 (2013) 487.
  43. M Jafarizadeh, et al., Indian Journal of Physics 87 (2013) 919.
  44. D Kalita and K Boruah, Indian Journal of Physics 87 (2013) 289 .
  45. S Marinai, “Machine learning in document analysis and recognition” Springer (2008).
  46. D De Frenne, Nuclear Data Sheets 110 (2009) 1745 .
  47. J Blachot, Nuclear Data Sheets 108 (2007) 2035.
  48. D De Frenne and A.Negret, Nuclear Data Sheets 109 (2008) 943.
  49. J Blachot, Nuclear Data Sheets 91 (2000) 135.
  50. G Gürdal and F Kondev, Nuclear Data Sheets 113 (2012) 1315 .
  51. S Lalkovski and F Kondev, Nuclear Data Sheets 124 (2015) 157 .
  52. J Blachot, Nuclear Data Sheets 113 (2012) 515.
  53. J Blachot, Nuclear Data Sheets 111 (2010) 717.
  54. K Kitao, Nuclear Data Sheets 75 (1995) 99.
  55. K Kitao, Y Tendow, and A Hashizume, Nuclear Data Sheets 96 (2002) 241.
  56. T Tamura, Nuclear Data Sheets 108 (2007) 455 .
  57. J Katakura and Z Wu, Nuclear Data Sheets 109 (2008) 1655.
  58. J Katakura and K Kitao, Nuclear Data Sheets 97 (2002) 765 .
  59. B Rashidian Maleki, H Sabri, and  M Ali Jafarizadeh, Journal of Research on Many-body Systems 2 (2013) 47.
  60. J Majarshin, et all., Annals of Physics 407 (2019) 250 .
  61. H Sabri and R Malekzadeh, Nuclear Physics A 963 (2017) 78 .
  62. V Zelevinsky and M Horoi, Progress in Particle and Nuclear Physics 105 (2019) 180 .
  63. A Kamchatnov and V Nosov, Zhurnal Ehksperimental'noj i Teoreticheskoj Fiziki 63 (1972) 1961 .

ارتقاء امنیت وب با وف ایرانی