Postée il y a 20 heures
L’objectif de cette thèse de doctorat est de mesurer la distribution d’entrée dans le plan énergie–moment angulaire (H, K), afin de déterminer la barrière de fission et sa dépendance au spin pour le noyau 253No, en utilisant pour la première fois le tracking gamma. Cette étude est essentielle, car l’existence des noyaux superlourds (SHN) repose principalement sur la barrière de fission, elle-même fortement influencée par les effets de couches. La connaissance de la barrière de fission Bf(Z,N,I) fournit non seulement des informations sur l’existence des SHN, mais constitue également une référence fondamentale pour les modèles théoriques.
De plus, réaliser cette mesure dans un noyau impair présente un intérêt particulier : cela permet de sonder l’influence du nucléon non apparié, le rôle du nombre quantique K, ainsi que l’effet des corrélations d’appariements réduites. Elle permet également une comparaison pertinente avec la barrière de fission exceptionnellement mesurée de 254No, offrant ainsi une compréhension plus approfondie de la structure des noyaux lourds de cette région de masse
L’expérience a été approuvée par PAC (priogramme Advisory Commitee) d’ATLAS (Argonne Tandem Linear Accelerator System) et sera menée sur site aux États-Unis. Le dispositif expérimental consiste à coupler GRETINA (Gamma-Ray Energy Tracking In-beam Nuclear Array), utilisé pour les mesures des distributions (H, K), avec le FMA (Fragment Mass Analyzer), qui permet de séparer les noyaux 253No du faisceau. L’analyse des données sera réalisée à l’aide du package GEBSort, du framework ROOT, ainsi que du code de tracking gamma GRETO basé sur l’intelligence artificielle et l’apprentissage automatique (IA/ML). Dans le cadre de ce projet, des améliorations des performances de GRETO — en particulier dans le régime des basses énergies — seront entreprises afin de répondre aux défis spécifiques de cette étude.
Le candidat retenu devra :
1. Contribuer activement à la préparation et au déroulement de l'expérience auprès d’ATLAS, Argonne National Lab.
2. Effectuer l'analyse des données en utilisant des algorithmes de tracking gamma basés à la fois sur des méthodes conventionnelles et sur l'intelligence artificielle/l'apprentissage automatique (IA/ML).
3. Démontrer de solides compétences en programmation en C et Python, ainsi qu'une solide expérience en structure nucléaire et spectroscopie gamma
4. Réaliser des travaux de simulation en utilisant le package GEANT4, si nécessaire.
Références bibliographiques
[1] G. Henning et al, Phy. Rev. Lett 113 (2014) 262505
[2] T. Lauritsen et al, Phys. Rev. Lett 69 (1992)2479
[3] T. Lauritsen et al, Phys. Rev. C 62 (2000)044316
[4] T. Lauritsen, A. Korichi et al, Phys. Scr. 92 (2017) 074002
[5] T. Lynn, S. Leyffer, A. Korichi, T. Lauritsen et al, en préparation