上海高研院在碘-127光中子截面测量与评价中取得新进展

光中子反应截面与原子核巨偶极共振(GDR)结构密切相关，是核反应模型和核数据评价的重要基础。长期以来，碘-127(¹²⁷I)的(γ,n)反应截面存在显著争议：美国劳伦斯利弗莫尔国家实验室与法国萨克雷实验室在20世纪60—80年代获得的三组数据在共振峰附近差异明显，峰值从231 mb到309 mb不等，给评价核数据库带来长期不确定性。针对这一问题，中国科学院上海高等研究院SLEGS(Shanghai Laser Electron Gamma Source)团队等建立了基于贝叶斯神经网络(BNN)的核数据系统学评价方法，分别以利弗莫尔和萨克雷数据训练独立模型，将(γ,n)和(γ,2n)反应道纳入统一框架，并引入反应阈值、截面非负等物理约束。两套模型得到一致结论：萨克雷实验室Bergère等人1969年的(γ,n)数据更符合跨核素系统学规律，利弗莫尔实验室Bramblett等人1966年和Berman等人1987年的结果在截面峰区存在系统性低估，而历史(γ,2n)数据在不确定度范围内基本一致。

为对模型预测开展独立检验，SLEGS团队依托上海光源SLEGS线站对碘-127(γ,n)反应截面进行高精度再测量(图1)。实验以NaI晶体(中国科学院上海硅酸盐研究所提供)为靶，并通过Na₂CO₃靶独立测量扣除²³Na本底。结合蒙特卡罗响应矩阵与带物理约束的机器学习反卷积方法，提取了9.39—15.83 MeV能区的单能截面，在主要测量能区将总相对不确定度控制在4%以内。

图1.SLEGS光中子反应截面测量实验装置示意图

新实验结果与BNN评价高度一致，并在整个测量能区与Bergère等人1969年的萨克雷数据符合良好。两组利弗莫尔数据则在巨偶极共振峰附近整体偏低，最大偏差达到合并不确定度的6—8倍;部分现有评价数据库在13 MeV以上也表现出低估趋势。这一“模型先验预测—独立实验验证”的一致性表明，机器学习能够从跨核素系统学中识别历史实验数据的系统偏差，为重新评价和更新碘-127光中子截面提供直接依据(图2)。

图2. SLEGS测量结果与历史实验及评价数据的比较(左)，以及历史数据相对SLEGS结果的偏差比(右)

相关成果以“Photoneutron cross section data for ¹²⁷I: Evaluation based on data systematics and new experiments”为题，发表于Science China Physics, Mechanics & Astronomy(SCPMA)，2026年第69卷第9期。论文第一作者为孙乾坤，通讯作者为张岳和王宏伟。研究由中国科学院上海应用物理研究所、中国科学院上海高等研究院等单位合作完成。SCPMA同期邀请了上海交通大学/兰州大学牛一斐教授撰写了研究亮点文章“Revisiting the ¹²⁷I photoneutron cross sections with machine learning and new experiments at SLEGS”，对该成果作了专题点评。点评指出，研究将机器学习评价与SLEGS独立测量相结合，为萨克雷数据在巨偶极共振区的可靠性提供了重要独立证据，并展示了数据驱动方法识别历史核数据不一致、提升光核数据库可靠性的潜力。

本研究得到国家自然科学基金(U2441221、12388102、12275338)、国家重点研发计划(2022YFA1602400、2023YFA1606901)、上海市东方英才计划领军项目(LJ2024080)和核数据重点实验室基金(JCKY2022201C152)等资助。