Λ12B 하이퍼핵에서 클러스터 붕괴와 재구성 효과

초록

Hyper‑Brink 모델에 클러스터 붕괴 파라미터를 도입하고 Control Neural Network(Ctrl.NN)로 최적화한 CB‑Hyper‑Brink 계산을 통해 Λ12B의 음의 패리티 저준위와 Hoyle‑analog 1⁻₄ 상태를 조사하였다. 클러스터 붕괴가 스핀‑오빗 상관을 강화하고 이상적인 α‑α‑t 클러스터 구조를 부분적으로 해체함을 확인했으며, Λ‑N 상호작용의 단거리 반발과 중간거리 인력이 Λ‑α와 Λ‑트리톤 상관을 동시에 유도해 클러스터가 약간 수축·안정화되는 재구성 효과를 나타냈다. B(E2) 전이 강도의 변화가 클러스터 붕괴 정도를 민감하게 반영한다는 점도 제시하였다.

상세 분석

본 연구는 기존 Brink‑type 클러스터 모델이 갖는 고정된 α‑클러스터 구조의 한계를 극복하고자, 가상의 복소 좌표 Λ를 도입해 각 핵자 파동함수에 허수 성분을 부여함으로써 클러스터 붕괴(cluster‑breaking) 효과를 수식적으로 구현하였다. 허수 성분은 고운동량 성분을 의미하며, 이는 스핀‑오빗 상호작용에 의해 촉진되는 단일 입자‑운동을 모사한다. 특히 α‑클러스터 내부에서 스핀 평행인 두 중성자와 스핀 반평행인 두 중성자에 서로 반대 방향의 허수 좌표를 부여함으로써, α‑클러스터가 부분적으로 용해되는 메커니즘을 정량화하였다.

Ctrl.NN 최적화 절차는 파라미터 집합 η(= {Rα, Rt, Λ₁‑₃, θ₁, θ₂, ξΛ})와 에너지 E를 하나의 입력 벡터 X로 변환하고, 에너지 감소가 관측될 때마다 네트워크 가중치를 업데이트하는 반복 학습 과정을 통해 수행되었다. 이 과정에서 네트워크는 “just‑in‑time”으로 양자 상태의 최적 좌표를 탐색하며, 최종적으로 Hill‑Wheeler 방정식에 의해 얻어진 GCM(Generator Coordinate Method) 기반의 파동함수는 K‑와 parity‑projection을 포함해 전각각운동량 보존을 만족한다.

핵 상호작용 측면에서는 NN‑ESC14+MBE(다체 효과 포함) Λ‑N 포텐셜을 사용했으며, 이는 7ΛLi의 1/2⁺‑3/2⁺ 스플리팅을 재현하도록 스핀‑의존 부분을 튜닝한 버전이다. 핵‑핵 상호작용은 Volkov No.2와 G3RS 스핀‑오빗을 각각 두 가지 파라미터 세트(“Cluster interaction”와 “Shell interaction”)로 적용해 비교하였다.

핵 구조 분석 결과, 클러스터 붕괴를 포함한 CB‑Hyper‑Brink 모델은 실험적으로 관측된 12ΛB의 저준위 에너지 스펙트럼을 3 MeV 정도 더 정확히 재현한다. 특히 Hoyle‑analog 1⁻₄ 상태는 α‑α‑t 임계면 아래 약 1 MeV에 위치하며, 이는 순수 클러스터 모델이 예측한 값보다 낮은 에너지이다. 스핀‑오빗 연산자 ⟨L·S⟩의 기대값이 크게 증가한 것이 클러스터 붕괴에 의해 스핀‑오빗 상관이 강화된 증거이며, 이는 α‑클러스터가 부분적으로 용해되어 핵자들이 개별적인 궤도에 배치되는 shell‑like 성분이 증가했음을 의미한다.

Λ‑N 상호작용의 단거리 반발은 α‑클러스터와 트리톤 사이의 거리 감소를 유도하고, 중간거리 인력은 Λ‑α와 Λ‑트리톤 상관을 동시에 강화한다. 결과적으로 클러스터 구조는 약 5 % 정도 수축하고, 전하 반지름이 감소함에 따라 B(E2; 0⁺→2⁺) 전이 강도가 약 20 % 감소한다. 이러한 B(E2) 변화는 클러스터 붕괴 정도를 실험적으로 검증할 수 있는 민감한 지표로 제시된다.

요약하면, 클러스터 붕괴는 스핀‑오빗 상호작용과 Λ‑N 상호작용이 복합적으로 작용해 기존 클러스터 모델이 놓치던 shell‑like 성분을 도입하고, 이는 에너지 스펙트럼, 전하 반지름, 전이 강도 등 다양한 관측량에 일관되게 반영된다.