去卷积

去卷积实验衰变能谱

在核反应实验中，测量的衰变能谱可以洞悉衰变系统的壳结构。然而，由于探测器分辨率和接受效应，从测量中提取底层物理信息具有挑战性。Richardson-Lucy (RL) 算法是一种常用于光学的去模糊方法，已被证明是一种成功的图像恢复技术，该算法被应用于我们的实验核物理数据。该方法的唯一输入是观察到的能谱和探测器的响应矩阵（也称为传输矩阵）。我们证明该技术可以帮助从测量的衰变能谱中获取有关粒子非结合系统壳结构的信息，而这些信息无法通过卡方拟合等传统方法立即获取。出于类似的目的，我们开发了一个机器学习模型，该模型使用深度神经网络 (DNN) 分类器从测量的衰变能谱中识别共振状态。我们在模拟数据和实验测量中测试了这两种方法的性能。然后，我们将这两种算法应用于通过不变质谱测量的 26 O → 24 O + n + n 衰变能谱。使用 RL 算法对测量的衰变能谱进行去模糊处理后恢复的共振状态与 DNN 分类器发现的状态一致。去模糊处理和 DNN 方法均表明 26 O 的原始衰变能谱在约 0.15 MeV、1.50 MeV 和 5.00 MeV 处出现三个峰，半宽分别为 0.29 MeV、0.80 MeV 和 1.85 MeV。