You are here

Home » Content

106Sg, 107Bh and 108Hs çekirdekleri için Alfa Bozunum Enerjilerinin Belirlenmesi

Determination of Alpha Decay Energies for 106Sg, 107Bh and 108Hs nuclei

Journal Name:

  • Cumhuriyet Üniversitesi Fen Fakültesi Fen Bilimleri Dergisi

Publication Year:

  • 2016
DOI: 
http://dx.doi.org/10.17776/csj.22148

Key Words:

Keywords (Original Language):

Author NameUniversity of AuthorFaculty of Author
Abstract (2. Language): 
Alpha decay properties of superheavy nuclei are challenging for understanding the properties of superheavy region from both theoretical and experimental side. Artificial neural network (ANN) which is successful in many phenomenon of nuclear physics has been employed for the experimental alpha decay energy data of superheavy nuclei in order to estimate unknown alpha decay energies for Sg, Bh and Hs nuclei. Different models of the ANN have been tested on the data. The results of the present study indicate that ANN is capable in this task. The mean square erros for the estimations are about 1-1.5%. The best result have been obtained by using fuzzy logic ANN model.
Bookmark/Search this post with
Abstract (Original Language): 
Hem teorik hem de deneysel bakış açısıyla, super ağır bölgenin özelliklerini anlamak için, buradaki çekirdeklerin alfa bozunum özelliklerini incelemek oldukça ilgi çekicidir. Nükleer fizikteki pek çok olguda başarılı sonuçlar veren yapay sinir ağları (YSA), super ağır çekirdeklerin deneysel alfa bozunum enerjileri üzerinde kullanılmış ve Sg, Bh ve Hs çekirdeklerinin alfa bozunum enerjileri bu yöntemle tahmin edilmiştir. Farklı modeldeki YSA’lar veriler üzerinde test edilmiştir. Bu çalışmanın sonuçları, YSA metodunun bu iş için uygun olduğunu göstermektedir. Sonuçlara ait ortalama kare hatalar, ½1-1,5 civarındadır. En iyi sonuçlar, bulanık mantık YSA modeli ile elde edilmiştir.
FULL TEXT (PDF): 
PDF icon arastirmax-106sg-107bh-and-108hs-cekirdekleri-icin-alfa-bozunum-enerjilerinin-belirlenmesi.pdf
  • 2
12
128
  • Turkish

REFERENCES

References: 

[1]. Hofmann, S., 1998 Rep. Prog. Phys. 61, 639
[2]. Hofmann, S. and Munzenberg, G., 2000. Rev. Mod. Phys. 72, 733
[3]. Hofmann, S. et al., 2004 Nucl. Phys. A 734, 93
[4]. Morita, K. et al., 2004 J. Phys. Soc. Jpn. 73, 2593
[5]. Morita, K. et al., 2007 J. Phys. Soc. Jpn. 76, 045001
[6]. Oganessian, Y, et al., 2006 Phys. Rev. C 74, 044602
[7]. Oganessian, Y., 2007 J. Phys. G: Nucl. Part. Phys. 34, R165
[8]. Oganessian, Y. et al., 2010 Phys. Rev. Lett 104, 142502
[9]. Dong, T. and Ren, Z., 2010 Phys. Rev. C 82, 034320
[10]. Bayram, T. and Yilmaz, A. H., 2013 Mod. Phys. Lett. A 28, 1350068
[11]. Gamow, G., 1928 Z. Phys A 51, 204
[12]. Medhat, M.E., 2012. Ann. Nucl. Energy 45, 73-79
[13]. Krzysztof, M. G. and Cezary, J., 2015. Journal of Physics G: Nuclear and Particle Physics 42, 034019
[14]. Akkoyun, S., Bayram, T. and Kara S. O., 2013. Cumhuriyet Science Journal 34, 42-51
[15]. Bayram, T., Akkoyun, S. and Kara, S. O., 2014. Ann. Nucl. Energy 63, 172-175
[16]. Costris, N., Mavrommatis, E., Gernoth, K.A. and Clark, J.W., 2007. arXiv:nuclth/ 0701096v1.
[17]. Akkoyun, S., Bayram, T. And Turker, T., 2014. Rad. Phys. Chem. 96, 186-189
[18]. Graczyk, K.M., 2011. Phys. Rev. C 84, 034314.
[19]. Yeşilkanat, C. M., Kobya, Y., Taşkın, H. And Çevik, U., 2014. Cumhuriyet Science Journal 35, 36-52.
[20]. C.M. Yeşilkanat, Y. Kobya, Determination and mapping the spatial distribution of radioactivity of natural spring water in the Eastern Black Sea Region by using artificial neural network method, Environ. Monit. Assess. 187 (2015) 589. doi:10.1007/s10661-015-4811-0.
AKKOYUN, BAYRAM
128
[21]. Akkoyun, S., Bayram, T., Kara, S. O. and Sinan, A., 2013. Journal of Physics G: Nuclear and Particle Physics 40, 055105
[22]. Haykin, S., 1999. Neural networks: a comprehensive foundation, 2nd ed. Prentice-Hall, New Jersey.
[23]. Auda, G. And Kamel, M., 1999. International Journal of Neural Systems 9, 129-151
[24]. Bulsari, A., 1992. Complex System 6, 443-457
[25]. Levenberg, K., 1944. Q. Appl. Math. 2, 164-168.
[26]. Marquardt, D., 1963. SIAM J. Appl. Math. 11, 431.
[27]. Neurosolutions web site: www.neurosolutions.com.

Thank you for copying data from http://www.arastirmax.com