Consistent Empirical Physical Formula Construction for Gamma Ray Angular Distribution Coefficients by Layered Feedforward Neural Network

Nihat YILDIZ; Serkan AKKOYUN; Hüseyin KAYA

doi:https://doi.org/10.17776/csj.476733

Makale detayları

Consistent Empirical Physical Formula Construction for Gamma Ray Angular Distribution Coefficients by Layered Feedforward Neural Network

Yazarlar:

Nihat YILDIZ | Serkan AKKOYUN | Hüseyin KAYA

Ana Başlıklar:

Astronomi ve ilgili bilimler

Dergi:

Cumhuriyet Science Journal 2018 Vol.39 Issue 4, pp.928-933

Belge Tipi:

Makale

Yayın Tarihi:

12/2018

Belge Dili:

İngilizce

Document ID (Org No.):

2000920686

DOI:

https://doi.org/10.17776/csj.476733

Anahtar kelimeler:

Özet:

 


Multipolarities of gamma rays and
spins-parities of nuclear states are usually investigated by the angular
distribution of gamma rays emitted from aligned states formed by nuclear
reactions. For different multipolarities of the transitions, the distribution
shows different characteristics. The distribution is obtained by using angular
distribution formula which has literature tabulated coefficients for different
spins and multipolarities.  However,
these coefficients involve -fold tensor products and they are highly nonlinear in nature.
Furthermore, as the calculation of these coefficients implicitly involves
highly complicated integral quantities, they are very difficult to handle
explicitly for larger   values. In this respect, as
we theoretically proved in a previous paper, universal nonlinear function
approximator layered feedforward neural network (LFNN) can be applied to
construct consistent empirical physical formulas (EPFs) for nonlinear physical
phenomena. In this paper, by concentrating on the integer spins of nuclear
states and dipole and quadrupole type multipolarities of the transitions, we
consistently estimated the coefficients by constructing suitable LFNNs. The
LFNN-EPFs fitted the literature coefficient data very well. Moreover, magnificent
LFNN test set forecastings over previously unseen data confirmed the consistent
LFNN-EPFs for the determination of coefficients.  In this sense, we can conclude that the LFNN
consistently infers nonlinear physical laws governing the angular distribution
of gamma rays, which are otherwise difficult to obtain by conventional
coefficient calculation methods.   


.

 


Gama ışınlarının multipolariteleri ve nükleer
durumların spinleri, genelliklle, nükleer reaksiyonlarla oluşturulan hizalanmış
durumlardan yayılan gama ışınlarının açısal dağılımı ile incelenir. Geçişlerin
farklı multipolarite değerleri için, dağılım farklı özellikler göstermektedir.
Dağıtım, farklı spinler ve çok kutupluluklar için literatürdeki tablolanmış
katsayılarve açısal dağılım formülü kullanılarak elde edilir. Bununla birlikte,
bu katsayılar r katlı tensör çarpımları içerir ve yapıları oldukça doğrusal
olmayan şekildedir. Dahası, bu katsayıların hesaplanması karmaşık integraller
içerdiğinden, daha büyük r değerleri için açıkça ele alınması çok zordur. Bu
bağlamda, daha önceki bir çalışmamızla teorik olarak ispatlandığımız gibi,
doğrusal olmayan fiziksel fenomenler için, tutarlı, ampirik fiziksel formüller
(EPF'ler) oluşturmak için, evrensel doğrusal olmayan bir katmanlı beslemeli
sinir ağı (LFNN) kullanılabilir. Bu makalede, nükleer durumların tamsayı
spinlerine ve geçişlerin dipol ve kuadrupol multipolaritelerine odaklanarak,
uygun LFNN'leri inşa ederek katsayıları tutarlı bir şekilde tahmin ettik.
LFNN-EPF'ler, literatür katsayısı verisini çok iyi bir şekilde fitledi. Ayrıca,
daha önce görülmemiş veriler üzerinde yapılan LFNN test seti tahminleri, katsayıların
belirlenmesi için tutarlı LFNN-EPF'leri doğrulamıştır. Bu bağlamda, LFNN'nin,
gama ışınlarının açısal dağılımını yöneten doğrusal olmayan fiziksel yasalara
tutarlı bir şekilde uyduğu sonucuna varabiliriz. Bu da, geleneksel katsayı
hesaplama yöntemleri ile elde edilmesi zor olan bir sonuçtur.

.

Makale detayları

Consistent Empirical Physical Formula Construction for Gamma Ray Angular Distribution Coefficients by Layered Feedforward Neural Network

Yazarlar:

Nihat YILDIZ | Serkan AKKOYUN | Hüseyin KAYA

Ana Başlıklar:

Astronomi ve ilgili bilimler

Dergi:

Cumhuriyet Science Journal 2018 Vol.39 Issue 4, pp.928-933

Belge Tipi:

Makale

Yayın Tarihi:

12/2018

Belge Dili:

İngilizce

Document ID (Org No.):

2000920686

DOI:

https://doi.org/10.17776/csj.476733

Açısal dağılım

çok kutupluluk

nükleer spin

katmanlı iletimli sinir ağı

Sayı

Makale detayları

Consistent Empirical Physical Formula Construction for Gamma Ray Angular Distribution Coefficients by Layered Feedforward Neural Network

Yazarlar: Nihat YILDIZ | Serkan AKKOYUN | Hüseyin KAYA

Ana Başlıklar: Astronomi ve ilgili bilimler

Dergi: Cumhuriyet Science Journal 2018 Vol.39 Issue 4, pp.928-933

Belge Tipi: Makale

Yayın Tarihi: 12/2018

Belge Dili: İngilizce

Document ID (Org No.): 2000920686

DOI: https://doi.org/10.17776/csj.476733

Açısal dağılım

çok kutupluluk

nükleer spin

katmanlı iletimli sinir ağı

Sayı

Yazarlar:

Nihat YILDIZ | Serkan AKKOYUN | Hüseyin KAYA

Ana Başlıklar:

Astronomi ve ilgili bilimler

Dergi:

Cumhuriyet Science Journal 2018 Vol.39 Issue 4, pp.928-933

Belge Tipi:

Makale

Yayın Tarihi:

12/2018

Belge Dili:

İngilizce

Document ID (Org No.):

2000920686

DOI:

https://doi.org/10.17776/csj.476733