Research Article
BibTex RIS Cite

Predictions of Conversion Coefficients for E4, M4, E5 and M5 transitions in Ubh element by Using Artificial Neural Network Model

Year 2014, Volume: 35 Issue: 1, 58 - 68, 19.03.2014
https://doi.org/10.17776/csj.02202

Abstract

The primary decay modes for superheavy nuclei are alpha emission and spontaneous fission. Another decay mode is conversion electron emission which competes with the gamma-ray emission. Internal conversion coefficients, which are defined by the ratio of the number of emitted electron to the number of gamma-rays, are important for experimental and theoretical nuclear structure studies. These coefficients can be calculated by many experimental and theoretical ways. Furthermore, there are many computer code for calculations of these coefficients. In this work, the conversion coefficients belonging to the super heavy Unbihexium (Ubh) whose atomic number is 126 were calculated for E4 and E5 (electric), M4 and M5 (magnetic) multipole orders in the transition in low energy range. For the calculations, a mathematical model artificial neural network method was used.

References

  • Rose, M.E., Internal Conversion Coefficients, North-Holland, Amsterdam, 1958.
  • Rösel, F., Fries, H.M. ve Alder, K., Internal conversion coefficients for all atomic shells, Atomic Data and Nuclear Data Tables, 21 (1978) 91.
  • Pauli, H.C. ve Raff, U., A computer program for internal conversion coefficients and particle parameters, Comput. Phys. Commun., 9 (1975) 392.
  • Kibédi, T., vd., Evaluation of theoretical conversion coefficients using BrIcc, Nucl. Instrum. Meth. A., 589 (2008) 202.
  • Bayram, T., Akkoyun, S. ve Kara, S.O., A study on ground-state energies of nuclei by using neural networks, Annals of Nuclear Energy, 63 (2014) 172.
  • Akkoyun, S., Bayram, T., Kara, S.O. ve Sinan, A., An artificial neural network application on nuclear charge radii, J. Phys. G: Nucl. Part. Phys. 40 (2013) 055106.
  • Akkoyun, S., Bayram, T. ve Türker, T., Estimations of beta-decay energies through the nuclidic chart by using neural network, Radiation Physics and Chemistry 96 (2014) 186.
  • Costris N. vd., A Global Model of Beta(-) Decay Half-Lives Using Neural Networks. arXiv:nucl-th/0701096v1.
  • Mavrommatis E., Gernoth K. A. ve Clark J.W. One and Two Proton Separation Energies from Nuclear Mass Systematics Using Neural Networks. arXiv: nucl-th/0509075.
  • Peterson K. L. Classification of Cm II and Pu I Energy Levels Using Counter Propagation Neural Networks, Phys. Rev. A., 44 (1991) 126.
  • Bass, S.A., Bischoff, A., Maruhn, JA., St¨ocker, H. ve Greiner, W., Neural networks for impact parameter determination, Phys. Rev. C, 53 (1996 ) 2358.
  • Haddad, F., vd., Impact parameter determination in experimental analysis using a neural network, Phys. Rev. C, 55 (1997) 1371.
  • David, C., Freslier, M. ve Aichelin, J., Impact parameter determination for heavy-ion collisions by use of a neural network, Phys. Rev. C, 51 (1995) 1453.
  • Band, I.M., vd., Dirac–Fock Internal Conversion Coefficients, Atomic Data and Nuclear Data Tables, 81 (2202) 1.
  • Kibédi, T., vd., Conversion coefficients for superheavy elements, Atomic Data and Nuclear Data Tables, 98 (2012) 313.
  • Haykin, S., Neural Networks: A Comprehensive Foundation, (Englewood Cliffs, NJ: Prentice-Hall), 1999.
  • Hamzaçebi, C., Yapay Sinir Ağları, Ekin Basım Yayın Dağıtım, 2011.
  • Öztemel, E., Yapay Sinir Ağları, Papatya Yayıncılık, 2012.
  • Neurosolutions. http://www.neurosolutions.com/. Levenberg, K., A Method for the Solution of Certain Problems in Least Squares, Quart. Appl. Math. 1944. V. 2. P. 164Ä168.
  • Marquardt, D., An Algorithm for Least-Squares Estimation of Nonlinear Parameters, SIAM J. Appl. Math. 1963. V. 11. P. 431Ä441.

Ubh Elementinin E4, M4, E5 ve M5 Geçişleri İçin Dönüşüm Katsayılarının Yapay Sinir Ağları Modeli ile Tahmin Edilmesi

Year 2014, Volume: 35 Issue: 1, 58 - 68, 19.03.2014
https://doi.org/10.17776/csj.02202

Abstract

Süperağır çekirdekler için öncelikli bozunum modları, alfa yayınlanması ve kendiliğinden fisyondur. Diğer bir önemli mod ise, gama yayınlanması ile yarışan, dönüşüm elektron yayınlanmasıdır. Dönüşüm elektronlarının gama ışınlarına oranı olarak bilinen iç dönüşüm katsayıları, teorik ve deneysel nükleer yapı çalışmalarında önemlidir. Bu katsayılar deneysel ve teorik yollarla hesaplanabilmektedir. Ayrıca, bu katsayıların hesaplanması için geliştirilmiş pek çok bilgisayar programı da mevcuttur. Bu çalışmada, Z=126 atom numaralı Unbihexium (Ubh) süperağır çekirdeğine ait dönüşüm katsayıları, düşük geçiş enerji aralığında, E4 ve E5 (elektrik), M4 ve M5 (manyetik) geçişleri için, bir matematiksel model olan yapay sinir ağları metodu kullanılarak elde edilmiştir.

 

Abstract. The primary decay modes for superheavy nuclei are alpha emission and spontaneous fission. Another decay mode is conversion electron emission which competes with the gamma-ray emission. Internal conversion coefficients, which are defined by the ratio of the number of emitted electron to the number of gamma-rays, are important for experimental and theoretical nuclear structure studies. These coefficients can be calculated by many  experimental and theoretical ways. Furthermore, there are many computer code for calculations of these coefficients. In this work, the conversion coefficients belonging to the super heavy Unbihexium (Ubh) whose atomic number is 126 were calculated for E4 and E5 (electric), M4 and M5 (magnetic) multipole orders in the transition in low energy range. For the calculations, a mathematical model artificial neural network method was used. 

References

  • Rose, M.E., Internal Conversion Coefficients, North-Holland, Amsterdam, 1958.
  • Rösel, F., Fries, H.M. ve Alder, K., Internal conversion coefficients for all atomic shells, Atomic Data and Nuclear Data Tables, 21 (1978) 91.
  • Pauli, H.C. ve Raff, U., A computer program for internal conversion coefficients and particle parameters, Comput. Phys. Commun., 9 (1975) 392.
  • Kibédi, T., vd., Evaluation of theoretical conversion coefficients using BrIcc, Nucl. Instrum. Meth. A., 589 (2008) 202.
  • Bayram, T., Akkoyun, S. ve Kara, S.O., A study on ground-state energies of nuclei by using neural networks, Annals of Nuclear Energy, 63 (2014) 172.
  • Akkoyun, S., Bayram, T., Kara, S.O. ve Sinan, A., An artificial neural network application on nuclear charge radii, J. Phys. G: Nucl. Part. Phys. 40 (2013) 055106.
  • Akkoyun, S., Bayram, T. ve Türker, T., Estimations of beta-decay energies through the nuclidic chart by using neural network, Radiation Physics and Chemistry 96 (2014) 186.
  • Costris N. vd., A Global Model of Beta(-) Decay Half-Lives Using Neural Networks. arXiv:nucl-th/0701096v1.
  • Mavrommatis E., Gernoth K. A. ve Clark J.W. One and Two Proton Separation Energies from Nuclear Mass Systematics Using Neural Networks. arXiv: nucl-th/0509075.
  • Peterson K. L. Classification of Cm II and Pu I Energy Levels Using Counter Propagation Neural Networks, Phys. Rev. A., 44 (1991) 126.
  • Bass, S.A., Bischoff, A., Maruhn, JA., St¨ocker, H. ve Greiner, W., Neural networks for impact parameter determination, Phys. Rev. C, 53 (1996 ) 2358.
  • Haddad, F., vd., Impact parameter determination in experimental analysis using a neural network, Phys. Rev. C, 55 (1997) 1371.
  • David, C., Freslier, M. ve Aichelin, J., Impact parameter determination for heavy-ion collisions by use of a neural network, Phys. Rev. C, 51 (1995) 1453.
  • Band, I.M., vd., Dirac–Fock Internal Conversion Coefficients, Atomic Data and Nuclear Data Tables, 81 (2202) 1.
  • Kibédi, T., vd., Conversion coefficients for superheavy elements, Atomic Data and Nuclear Data Tables, 98 (2012) 313.
  • Haykin, S., Neural Networks: A Comprehensive Foundation, (Englewood Cliffs, NJ: Prentice-Hall), 1999.
  • Hamzaçebi, C., Yapay Sinir Ağları, Ekin Basım Yayın Dağıtım, 2011.
  • Öztemel, E., Yapay Sinir Ağları, Papatya Yayıncılık, 2012.
  • Neurosolutions. http://www.neurosolutions.com/. Levenberg, K., A Method for the Solution of Certain Problems in Least Squares, Quart. Appl. Math. 1944. V. 2. P. 164Ä168.
  • Marquardt, D., An Algorithm for Least-Squares Estimation of Nonlinear Parameters, SIAM J. Appl. Math. 1963. V. 11. P. 431Ä441.
There are 20 citations in total.

Details

Primary Language Turkish
Subjects Engineering
Journal Section Editorial
Authors

Serkan Akkoyun

Nilay Akkoyun This is me

Publication Date March 19, 2014
Published in Issue Year 2014 Volume: 35 Issue: 1

Cite

APA Akkoyun, S., & Akkoyun, N. (2014). Ubh Elementinin E4, M4, E5 ve M5 Geçişleri İçin Dönüşüm Katsayılarının Yapay Sinir Ağları Modeli ile Tahmin Edilmesi. Cumhuriyet Üniversitesi Fen Edebiyat Fakültesi Fen Bilimleri Dergisi, 35(1), 58-68. https://doi.org/10.17776/csj.02202
AMA Akkoyun S, Akkoyun N. Ubh Elementinin E4, M4, E5 ve M5 Geçişleri İçin Dönüşüm Katsayılarının Yapay Sinir Ağları Modeli ile Tahmin Edilmesi. Cumhuriyet Üniversitesi Fen Edebiyat Fakültesi Fen Bilimleri Dergisi. March 2014;35(1):58-68. doi:10.17776/csj.02202
Chicago Akkoyun, Serkan, and Nilay Akkoyun. “Ubh Elementinin E4, M4, E5 Ve M5 Geçişleri İçin Dönüşüm Katsayılarının Yapay Sinir Ağları Modeli Ile Tahmin Edilmesi”. Cumhuriyet Üniversitesi Fen Edebiyat Fakültesi Fen Bilimleri Dergisi 35, no. 1 (March 2014): 58-68. https://doi.org/10.17776/csj.02202.
EndNote Akkoyun S, Akkoyun N (March 1, 2014) Ubh Elementinin E4, M4, E5 ve M5 Geçişleri İçin Dönüşüm Katsayılarının Yapay Sinir Ağları Modeli ile Tahmin Edilmesi. Cumhuriyet Üniversitesi Fen Edebiyat Fakültesi Fen Bilimleri Dergisi 35 1 58–68.
IEEE S. Akkoyun and N. Akkoyun, “Ubh Elementinin E4, M4, E5 ve M5 Geçişleri İçin Dönüşüm Katsayılarının Yapay Sinir Ağları Modeli ile Tahmin Edilmesi”, Cumhuriyet Üniversitesi Fen Edebiyat Fakültesi Fen Bilimleri Dergisi, vol. 35, no. 1, pp. 58–68, 2014, doi: 10.17776/csj.02202.
ISNAD Akkoyun, Serkan - Akkoyun, Nilay. “Ubh Elementinin E4, M4, E5 Ve M5 Geçişleri İçin Dönüşüm Katsayılarının Yapay Sinir Ağları Modeli Ile Tahmin Edilmesi”. Cumhuriyet Üniversitesi Fen Edebiyat Fakültesi Fen Bilimleri Dergisi 35/1 (March 2014), 58-68. https://doi.org/10.17776/csj.02202.
JAMA Akkoyun S, Akkoyun N. Ubh Elementinin E4, M4, E5 ve M5 Geçişleri İçin Dönüşüm Katsayılarının Yapay Sinir Ağları Modeli ile Tahmin Edilmesi. Cumhuriyet Üniversitesi Fen Edebiyat Fakültesi Fen Bilimleri Dergisi. 2014;35:58–68.
MLA Akkoyun, Serkan and Nilay Akkoyun. “Ubh Elementinin E4, M4, E5 Ve M5 Geçişleri İçin Dönüşüm Katsayılarının Yapay Sinir Ağları Modeli Ile Tahmin Edilmesi”. Cumhuriyet Üniversitesi Fen Edebiyat Fakültesi Fen Bilimleri Dergisi, vol. 35, no. 1, 2014, pp. 58-68, doi:10.17776/csj.02202.
Vancouver Akkoyun S, Akkoyun N. Ubh Elementinin E4, M4, E5 ve M5 Geçişleri İçin Dönüşüm Katsayılarının Yapay Sinir Ağları Modeli ile Tahmin Edilmesi. Cumhuriyet Üniversitesi Fen Edebiyat Fakültesi Fen Bilimleri Dergisi. 2014;35(1):58-6.