IKEBANA: Data-Driven Neural-Network Predictor of Electron-Impact K-Shell Ionization Cross Sections

Autores
Mitnik, Dario Marcelo; Montanari, Claudia Carmen; Segui Osorio, Silvina Inda Maria; Limandri, Silvina Paola; Guzmán, Judith Amira; Carreras, Alejo Cristian; Trincavelli, Jorge Carlos
Año de publicación
2025
Idioma
inglés
Tipo de recurso
artículo
Estado
versión publicada
Descripción
A fully connected neural network was trained to model the K-shell ionization cross sections based on two input features: the atomic number and the incoming electron overvoltage. The training utilized a recent, updated compilation of experimental data covering elements from H to U, and incident electron energies ranging from the threshold to relativistic values. The neural network demonstrated excellent predictive performance, compared with the experimental data, when available, and with full theoretical predictions. The developed model is provided in the ikebana code, which is openly available and requires only the user-selected atomic number and electron energy range as inputs.
Fil: Mitnik, Dario Marcelo. Consejo Nacional de Investigaciones Científicas y Técnicas. Oficina de Coordinación Administrativa Ciudad Universitaria. Instituto de Astronomía y Física del Espacio. - Universidad de Buenos Aires. Facultad de Ciencias Exactas y Naturales. Instituto de Astronomía y Física del Espacio; Argentina
Fil: Montanari, Claudia Carmen. Consejo Nacional de Investigaciones Científicas y Técnicas. Oficina de Coordinación Administrativa Ciudad Universitaria. Instituto de Astronomía y Física del Espacio. - Universidad de Buenos Aires. Facultad de Ciencias Exactas y Naturales. Instituto de Astronomía y Física del Espacio; Argentina
Fil: Segui Osorio, Silvina Inda Maria. Consejo Nacional de Investigaciones Científicas y Técnicas. Centro Científico Tecnológico Conicet - Córdoba. Instituto de Física Enrique Gaviola. Universidad Nacional de Córdoba. Instituto de Física Enrique Gaviola; Argentina
Fil: Limandri, Silvina Paola. Consejo Nacional de Investigaciones Científicas y Técnicas. Centro Científico Tecnológico Conicet - Córdoba. Instituto de Física Enrique Gaviola. Universidad Nacional de Córdoba. Instituto de Física Enrique Gaviola; Argentina. Universidad Nacional de Córdoba. Facultad de Matemática, Astronomía y Física; Argentina
Fil: Guzmán, Judith Amira. Consejo Nacional de Investigaciones Científicas y Técnicas. Centro Científico Tecnológico Conicet - Córdoba. Instituto de Física Enrique Gaviola. Universidad Nacional de Córdoba. Instituto de Física Enrique Gaviola; Argentina
Fil: Carreras, Alejo Cristian. Universidad Nacional de Córdoba. Facultad de Matemática, Astronomía y Física; Argentina. Consejo Nacional de Investigaciones Científicas y Técnicas. Centro Científico Tecnológico Conicet - Córdoba. Instituto de Física Enrique Gaviola. Universidad Nacional de Córdoba. Instituto de Física Enrique Gaviola; Argentina
Fil: Trincavelli, Jorge Carlos. Consejo Nacional de Investigaciones Científicas y Técnicas. Centro Científico Tecnológico Conicet - Córdoba. Instituto de Física Enrique Gaviola. Universidad Nacional de Córdoba. Instituto de Física Enrique Gaviola; Argentina. Universidad Nacional de Córdoba. Facultad de Matemática, Astronomía y Física; Argentina
Materia
Ionization
K-shell
Machine learning
Neural Networks
Nivel de accesibilidad
acceso abierto
Condiciones de uso
https://creativecommons.org/licenses/by-nc-sa/2.5/ar/
Repositorio
CONICET Digital (CONICET)
Institución
Consejo Nacional de Investigaciones Científicas y Técnicas
OAI Identificador
oai:ri.conicet.gov.ar:11336/277520
Acceder
id CONICETDig_6ce9eb93670b5bae27181aa0a877426f
oai_identifier_str oai:ri.conicet.gov.ar:11336/277520
network_acronym_str CONICETDig
repository_id_str 3498
network_name_str CONICET Digital (CONICET)
spelling IKEBANA: Data-Driven Neural-Network Predictor of Electron-Impact K-Shell Ionization Cross SectionsMitnik, Dario MarceloMontanari, Claudia CarmenSegui Osorio, Silvina Inda MariaLimandri, Silvina PaolaGuzmán, Judith AmiraCarreras, Alejo CristianTrincavelli, Jorge CarlosIonizationK-shellMachine learningNeural Networkshttps://purl.org/becyt/ford/1.3https://purl.org/becyt/ford/1A fully connected neural network was trained to model the K-shell ionization cross sections based on two input features: the atomic number and the incoming electron overvoltage. The training utilized a recent, updated compilation of experimental data covering elements from H to U, and incident electron energies ranging from the threshold to relativistic values. The neural network demonstrated excellent predictive performance, compared with the experimental data, when available, and with full theoretical predictions. The developed model is provided in the ikebana code, which is openly available and requires only the user-selected atomic number and electron energy range as inputs.Fil: Mitnik, Dario Marcelo. Consejo Nacional de Investigaciones Científicas y Técnicas. Oficina de Coordinación Administrativa Ciudad Universitaria. Instituto de Astronomía y Física del Espacio. - Universidad de Buenos Aires. Facultad de Ciencias Exactas y Naturales. Instituto de Astronomía y Física del Espacio; ArgentinaFil: Montanari, Claudia Carmen. Consejo Nacional de Investigaciones Científicas y Técnicas. Oficina de Coordinación Administrativa Ciudad Universitaria. Instituto de Astronomía y Física del Espacio. - Universidad de Buenos Aires. Facultad de Ciencias Exactas y Naturales. Instituto de Astronomía y Física del Espacio; ArgentinaFil: Segui Osorio, Silvina Inda Maria. Consejo Nacional de Investigaciones Científicas y Técnicas. Centro Científico Tecnológico Conicet - Córdoba. Instituto de Física Enrique Gaviola. Universidad Nacional de Córdoba. Instituto de Física Enrique Gaviola; ArgentinaFil: Limandri, Silvina Paola. Consejo Nacional de Investigaciones Científicas y Técnicas. Centro Científico Tecnológico Conicet - Córdoba. Instituto de Física Enrique Gaviola. Universidad Nacional de Córdoba. Instituto de Física Enrique Gaviola; Argentina. Universidad Nacional de Córdoba. Facultad de Matemática, Astronomía y Física; ArgentinaFil: Guzmán, Judith Amira. Consejo Nacional de Investigaciones Científicas y Técnicas. Centro Científico Tecnológico Conicet - Córdoba. Instituto de Física Enrique Gaviola. Universidad Nacional de Córdoba. Instituto de Física Enrique Gaviola; ArgentinaFil: Carreras, Alejo Cristian. Universidad Nacional de Córdoba. Facultad de Matemática, Astronomía y Física; Argentina. Consejo Nacional de Investigaciones Científicas y Técnicas. Centro Científico Tecnológico Conicet - Córdoba. Instituto de Física Enrique Gaviola. Universidad Nacional de Córdoba. Instituto de Física Enrique Gaviola; ArgentinaFil: Trincavelli, Jorge Carlos. Consejo Nacional de Investigaciones Científicas y Técnicas. Centro Científico Tecnológico Conicet - Córdoba. Instituto de Física Enrique Gaviola. Universidad Nacional de Córdoba. Instituto de Física Enrique Gaviola; Argentina. Universidad Nacional de Córdoba. Facultad de Matemática, Astronomía y Física; ArgentinaMDPI2025-09info:eu-repo/semantics/articleinfo:eu-repo/semantics/publishedVersionhttp://purl.org/coar/resource_type/c_6501info:ar-repo/semantics/articuloapplication/pdfapplication/pdfapplication/pdfhttp://hdl.handle.net/11336/277520Mitnik, Dario Marcelo; Montanari, Claudia Carmen; Segui Osorio, Silvina Inda Maria; Limandri, Silvina Paola; Guzmán, Judith Amira; et al.; IKEBANA: Data-Driven Neural-Network Predictor of Electron-Impact K-Shell Ionization Cross Sections; MDPI; Atoms; 13; 9; 9-2025; 80-932218-2004CONICET DigitalCONICETenginfo:eu-repo/semantics/altIdentifier/url/https://www.mdpi.com/2218-2004/13/9/80info:eu-repo/semantics/altIdentifier/doi/10.3390/atoms13090080info:eu-repo/semantics/openAccesshttps://creativecommons.org/licenses/by-nc-sa/2.5/ar/reponame:CONICET Digital (CONICET)instname:Consejo Nacional de Investigaciones Científicas y Técnicas2025-12-23T13:16:13Zoai:ri.conicet.gov.ar:11336/277520instacron:CONICETInstitucionalhttp://ri.conicet.gov.ar/Organismo científico-tecnológicoNo correspondehttp://ri.conicet.gov.ar/oai/requestdasensio@conicet.gov.ar; lcarlino@conicet.gov.arArgentinaNo correspondeNo correspondeNo correspondeopendoar:34982025-12-23 13:16:13.366CONICET Digital (CONICET) - Consejo Nacional de Investigaciones Científicas y Técnicasfalse
dc.title.none.fl_str_mv IKEBANA: Data-Driven Neural-Network Predictor of Electron-Impact K-Shell Ionization Cross Sections
title IKEBANA: Data-Driven Neural-Network Predictor of Electron-Impact K-Shell Ionization Cross Sections
spellingShingle IKEBANA: Data-Driven Neural-Network Predictor of Electron-Impact K-Shell Ionization Cross Sections
Mitnik, Dario Marcelo
Ionization
K-shell
Machine learning
Neural Networks
title_short IKEBANA: Data-Driven Neural-Network Predictor of Electron-Impact K-Shell Ionization Cross Sections
title_full IKEBANA: Data-Driven Neural-Network Predictor of Electron-Impact K-Shell Ionization Cross Sections
title_fullStr IKEBANA: Data-Driven Neural-Network Predictor of Electron-Impact K-Shell Ionization Cross Sections
title_full_unstemmed IKEBANA: Data-Driven Neural-Network Predictor of Electron-Impact K-Shell Ionization Cross Sections
title_sort IKEBANA: Data-Driven Neural-Network Predictor of Electron-Impact K-Shell Ionization Cross Sections
dc.creator.none.fl_str_mv Mitnik, Dario Marcelo
Montanari, Claudia Carmen
Segui Osorio, Silvina Inda Maria
Limandri, Silvina Paola
Guzmán, Judith Amira
Carreras, Alejo Cristian
Trincavelli, Jorge Carlos
author Mitnik, Dario Marcelo
author_facet Mitnik, Dario Marcelo
Montanari, Claudia Carmen
Segui Osorio, Silvina Inda Maria
Limandri, Silvina Paola
Guzmán, Judith Amira
Carreras, Alejo Cristian
Trincavelli, Jorge Carlos
author_role author
author2 Montanari, Claudia Carmen
Segui Osorio, Silvina Inda Maria
Limandri, Silvina Paola
Guzmán, Judith Amira
Carreras, Alejo Cristian
Trincavelli, Jorge Carlos
author2_role author
author
author
author
author
author
dc.subject.none.fl_str_mv Ionization
K-shell
Machine learning
Neural Networks
topic Ionization
K-shell
Machine learning
Neural Networks
purl_subject.fl_str_mv https://purl.org/becyt/ford/1.3
https://purl.org/becyt/ford/1
dc.description.none.fl_txt_mv A fully connected neural network was trained to model the K-shell ionization cross sections based on two input features: the atomic number and the incoming electron overvoltage. The training utilized a recent, updated compilation of experimental data covering elements from H to U, and incident electron energies ranging from the threshold to relativistic values. The neural network demonstrated excellent predictive performance, compared with the experimental data, when available, and with full theoretical predictions. The developed model is provided in the ikebana code, which is openly available and requires only the user-selected atomic number and electron energy range as inputs.
Fil: Mitnik, Dario Marcelo. Consejo Nacional de Investigaciones Científicas y Técnicas. Oficina de Coordinación Administrativa Ciudad Universitaria. Instituto de Astronomía y Física del Espacio. - Universidad de Buenos Aires. Facultad de Ciencias Exactas y Naturales. Instituto de Astronomía y Física del Espacio; Argentina
Fil: Montanari, Claudia Carmen. Consejo Nacional de Investigaciones Científicas y Técnicas. Oficina de Coordinación Administrativa Ciudad Universitaria. Instituto de Astronomía y Física del Espacio. - Universidad de Buenos Aires. Facultad de Ciencias Exactas y Naturales. Instituto de Astronomía y Física del Espacio; Argentina
Fil: Segui Osorio, Silvina Inda Maria. Consejo Nacional de Investigaciones Científicas y Técnicas. Centro Científico Tecnológico Conicet - Córdoba. Instituto de Física Enrique Gaviola. Universidad Nacional de Córdoba. Instituto de Física Enrique Gaviola; Argentina
Fil: Limandri, Silvina Paola. Consejo Nacional de Investigaciones Científicas y Técnicas. Centro Científico Tecnológico Conicet - Córdoba. Instituto de Física Enrique Gaviola. Universidad Nacional de Córdoba. Instituto de Física Enrique Gaviola; Argentina. Universidad Nacional de Córdoba. Facultad de Matemática, Astronomía y Física; Argentina
Fil: Guzmán, Judith Amira. Consejo Nacional de Investigaciones Científicas y Técnicas. Centro Científico Tecnológico Conicet - Córdoba. Instituto de Física Enrique Gaviola. Universidad Nacional de Córdoba. Instituto de Física Enrique Gaviola; Argentina
Fil: Carreras, Alejo Cristian. Universidad Nacional de Córdoba. Facultad de Matemática, Astronomía y Física; Argentina. Consejo Nacional de Investigaciones Científicas y Técnicas. Centro Científico Tecnológico Conicet - Córdoba. Instituto de Física Enrique Gaviola. Universidad Nacional de Córdoba. Instituto de Física Enrique Gaviola; Argentina
Fil: Trincavelli, Jorge Carlos. Consejo Nacional de Investigaciones Científicas y Técnicas. Centro Científico Tecnológico Conicet - Córdoba. Instituto de Física Enrique Gaviola. Universidad Nacional de Córdoba. Instituto de Física Enrique Gaviola; Argentina. Universidad Nacional de Córdoba. Facultad de Matemática, Astronomía y Física; Argentina
description A fully connected neural network was trained to model the K-shell ionization cross sections based on two input features: the atomic number and the incoming electron overvoltage. The training utilized a recent, updated compilation of experimental data covering elements from H to U, and incident electron energies ranging from the threshold to relativistic values. The neural network demonstrated excellent predictive performance, compared with the experimental data, when available, and with full theoretical predictions. The developed model is provided in the ikebana code, which is openly available and requires only the user-selected atomic number and electron energy range as inputs.
publishDate 2025
dc.date.none.fl_str_mv 2025-09
dc.type.none.fl_str_mv info:eu-repo/semantics/article
info:eu-repo/semantics/publishedVersion
http://purl.org/coar/resource_type/c_6501
info:ar-repo/semantics/articulo
format article
status_str publishedVersion
dc.identifier.none.fl_str_mv http://hdl.handle.net/11336/277520
Mitnik, Dario Marcelo; Montanari, Claudia Carmen; Segui Osorio, Silvina Inda Maria; Limandri, Silvina Paola; Guzmán, Judith Amira; et al.; IKEBANA: Data-Driven Neural-Network Predictor of Electron-Impact K-Shell Ionization Cross Sections; MDPI; Atoms; 13; 9; 9-2025; 80-93
2218-2004
CONICET Digital
CONICET
url http://hdl.handle.net/11336/277520
identifier_str_mv Mitnik, Dario Marcelo; Montanari, Claudia Carmen; Segui Osorio, Silvina Inda Maria; Limandri, Silvina Paola; Guzmán, Judith Amira; et al.; IKEBANA: Data-Driven Neural-Network Predictor of Electron-Impact K-Shell Ionization Cross Sections; MDPI; Atoms; 13; 9; 9-2025; 80-93
2218-2004
CONICET Digital
CONICET
dc.language.none.fl_str_mv eng
language eng
dc.relation.none.fl_str_mv info:eu-repo/semantics/altIdentifier/url/https://www.mdpi.com/2218-2004/13/9/80
info:eu-repo/semantics/altIdentifier/doi/10.3390/atoms13090080
dc.rights.none.fl_str_mv info:eu-repo/semantics/openAccess
https://creativecommons.org/licenses/by-nc-sa/2.5/ar/
eu_rights_str_mv openAccess
rights_invalid_str_mv https://creativecommons.org/licenses/by-nc-sa/2.5/ar/
dc.format.none.fl_str_mv application/pdf
application/pdf
application/pdf
dc.publisher.none.fl_str_mv MDPI
publisher.none.fl_str_mv MDPI
dc.source.none.fl_str_mv reponame:CONICET Digital (CONICET)
instname:Consejo Nacional de Investigaciones Científicas y Técnicas
reponame_str CONICET Digital (CONICET)
collection CONICET Digital (CONICET)
instname_str Consejo Nacional de Investigaciones Científicas y Técnicas
repository.name.fl_str_mv CONICET Digital (CONICET) - Consejo Nacional de Investigaciones Científicas y Técnicas
repository.mail.fl_str_mv dasensio@conicet.gov.ar; lcarlino@conicet.gov.ar
_version_ 1852335002608467968
score 12.952241

Publicaciones similares