Mateus dos Santos é egresso dos cursos Bacharelado em Física e Mestreado Profísica da Uesc

Com uma técnica que alcançou o menor erro quadrático da literatura, o doutorando do Centro Brasileiro de Pesquisas Físicas (CBPF), Mateus dos Santos, aprimorou o modelo teórico de massas nucleares utilizando Bayesian Neural Networks (BNN). O feito foi destaque no Workshop on “Multineutron Clusters in Nuclei and in Stars”, promovido pelo ICTP-SAIFR no dia 6 de junho.

Orientado pelo pesquisador Sérgio Barbosa Duarte, do CBPF, e coorientado pelo professor Arturo Rodolfo Samana, da Universidade Estadual de Santa Cruz (Uesc), a Bahia, Mateus recebeu o prêmio de melhor pôster com o trabalho “Impact of the nuclear mass predictions via Bayesian Neural Network on r-process nuclei”.

O atual doutorando do CBPF, Mateus dos Santos, natural do município de Jaguaquara -BA, foi aluno de graduação do curso de Bacharelado em Física e do Mestrado Acadêmico Profísca, da Uesc, sendo o TCC e a dissertação de mestrado orientadas pelo professor Samana.

Entenda os modelos téoricos de massa

Modelos teóricos de massas nucleares são desenvolvidos para prever as massas de núcleos atômicos com base em princípios físicos e parâmetros ajustados a dados experimentais. Eles buscam descrever como a massa de um núcleo varia com o número de prótons e nêutrons, refletindo a complexa interação entre essas partículas no interior do núcleo.

“Nós aprimoramos os modelos teóricos de massas nucleares utilizando o BNN. Com essa técnica, obtivemos o menor erro quadrático médio reportado na literatura, 0.113 MeV. As predições das massas aprimoradas com o BNN apresentam uma melhoria em quantidades superiores a 50% em todos os modelos estudados. Estas correções reforçam a necessidade de se aprimorar os modelos de massa, principalmente em regiões de maior instabilidade” resume Santos.

Potenciais aplicações

Os modelos de massa desempenham um papel importante no estudo da estabilidade nuclear, no cálculo de taxas de decaimento e em simulações de processos astrofísicos, como é o caso do “processo-r,” que é a captura rápida de nêutrons que ocorre em explosões de supernova e em colisão de duas estrelas de nêutrons. Sabe-se que mais da metade dos elementos pesados que conhecemos são sintetizados através desse processo – e os núcleos que serão sintetizados dependem fortemente de predições precisas de massas nucleares.

Aperfeiçoando precisões

À medida que nos afastamos da região de estabilidade, nos deparamos com núcleos extremamente ricos em nêutrons ou prótons. Estes núcleos possuem meia-vida muito curta e são difíceis de produzir em laboratório, tornando os dados experimentais escassos nessas regiões. 

Essa escassez torna os modelos teóricos imprescindíveis, pois permitem prever propriedades de núcleos ainda não observados, servindo de base para futuros experimentos.

Rumo ao erro quadrático ideal

Trabalhos recentes apontaram que o erro quadrático médio "ideal" em modelos teóricos de massa para se estudar a nucleossíntese de elementos pesados seria de aproximadamente 100 keV. Atualmente os modelos teóricos de massa não se aproximam do valor desejado, possuindo um erro quadrático médio próximo de 200 keV. Com isso, optamos por aprimorar esses modelos com as redes neurais bayesianas e obtivemos 113 KeV. Esse resultado representa o menor erro quadrático médio da literatura, quando comparado com outros modelos teóricos e com redes neurais bayesianas, mas não representa um recorde, pois outros pesquisadores obtiveram um resultado ainda menor, utilizando outras técnicas de inteligência artificial.

Impactos

“Esses resultados podem impactar diretamente pesquisas com núcleos exóticos, servindo de base para previsões confiáveis onde dados experimentais são quase impossíveis. Também impactam o estudo da evolução das abundâncias nucleares, pois pequenos erros nas massas podem mudar a trajetória do “processo-r,” alterando quais elementos serão formados no cosmos”, avalia o doutorando.

O próximo passo do trabalho será aplicar estes resultados no cálculo de reações nucleares relevantes para o “processo-r,” como taxas de decaimento beta, emissão retardada de nêutrons, fissão nuclear, taxas de captura de neutrinos e decaimento alfa: “testamos as nossas predições com resultados recentes dos experimentos TITAN (2025) e ToF-B$\rho$ (2024) para isótopos de zinco e tecnécio. Nossas predições reproduzem os dados experimentais com excelente precisão”, conclui.

A conquista de Mateus reafirma o compromisso do CBPF com a formação de pesquisadores de excelência, que impulsionam o avanço da ciência no Brasil e demais países.

Publicado pelo Centro Brasileiro de Pesquisas Físicas - CBPF

Mateus dos Santos. Crédito: Arquivo pessoal