Applied Evolutionary Algorithms in Java Ghanea

Hercock Robert pdf download

https://textbookfull.com/product/applied-evolutionary-algorithms-
in-java-ghanea-hercock-robert/

Download more ebook from https://textbookfull.com

We believe these products will be a great fit for you. Click
the link to download now, or visit textbookfull.com
to discover even more!

Polymorphism in Java: Methods and polymorphic

algorithms applied to computer games 1st Edition
Privitera

https://textbookfull.com/product/polymorphism-in-java-methods-
and-polymorphic-algorithms-applied-to-computer-games-1st-edition-
privitera/

Stable Mutations for Evolutionary Algorithms Andrzej

Obuchowicz

https://textbookfull.com/product/stable-mutations-for-
evolutionary-algorithms-andrzej-obuchowicz/

Genetic Algorithms in Java Basics Jacobson Lee Kanber

Burak

https://textbookfull.com/product/genetic-algorithms-in-java-
basics-jacobson-lee-kanber-burak/

Beginning Java with WebSphere Expert s Voice in Java

Janson Robert W

https://textbookfull.com/product/beginning-java-with-websphere-
expert-s-voice-in-java-janson-robert-w/
Metaheuristic and Evolutionary Computation: Algorithms
and Applications Hasmat Malik

https://textbookfull.com/product/metaheuristic-and-evolutionary-
computation-algorithms-and-applications-hasmat-malik/

Optimization Using Evolutionary Algorithms and

Metaheuristics: Applications in Engineering 1st Edition
Kaushik Kumar

https://textbookfull.com/product/optimization-using-evolutionary-
algorithms-and-metaheuristics-applications-in-engineering-1st-
edition-kaushik-kumar/

Java Closures and Lambda Fischer Robert

https://textbookfull.com/product/java-closures-and-lambda-
fischer-robert/

Applied Fluid Mechanics Robert L. Mott

https://textbookfull.com/product/applied-fluid-mechanics-robert-
l-mott/

Java pocket guide Fourth Edition Robert Liguori

https://textbookfull.com/product/java-pocket-guide-fourth-
edition-robert-liguori/
Applied Evolutionary Algorithms
in Java
Springer Science+Business Media, LLC
Robert Ghanea-Hercock

Applied Evolutionary
Algorithms in Java

With 57 Illustrations

" Springer
Robert Ghanea-Hercock
BTexact Technologies
lntelligent Systems Laboratory
Main Lab Block, First Floor, pp12
Adastral Park
Martlesham Heath, lpswich IP5 3RE
UK
[email protected]

Library of Congress Cataloging-in-Publication Data

Ghanea-Hercock, Robert.
Applied evolutionary algorithms in Java / Robert Ghanea-Hercock.
p. cm.
Includes bibliographical references and index.
ISBN 978-1-4684-9526-3
1. Evolutionary programming (Computer science) 2. Genetic algorithms. 3. Java
(Computer program language) 1. Title.
QA76.618 .G453 2003
005.I--dc21 2002042740

Printed on acid-free paper.

Additional material to this book can be downloaded from http://extra.springer.com.

ISBN 978-1-4684-9526-3 ISBN 978-0-387-21615-7 (eBook)

DOI 10.1007/978-0-387-21615-7

© 2003 Springer Science+Business Media New York

Originally published by Springer-Verlag New York, Inc. in 2003
Softcover reprint of the hardcover 1st edition 2003
Ali rights reserved. This work may not be translated or copied in whole or in part without the
written permission of the publisher ( Springer Science+Business Media, LLC ),
except for brief excerpts in connection with reviews or scholarly analysis. Use
in connection with any form of information storage and retrieval, electronic adaptation, computer
software, or by similar or dissimilar methodology now known or hereafter developed is forbidden.
The use in this publication oftrade names, trademarks, service marks, and similar terms, even if
they are not identified as such, is not to be taken as an expres sion of opinion as to whether or not
theyare subject to proprietary rights.
Authorization to photocopy items for intern al or personal use, or the internal or personal use of
specific clients, is granted by Springer-Verlag New York, Inc., provided that the appropriate fee is
paid directly to Copyright Clearance Center, 222 Rosewood Drive, Danvers, MA 01923, USA (Tele-
phone (508) 750-8400), stating the ISBN number of the volume, the volume ti tie, and the first and
last page numbers of each chapter copied. The copyright owner's consent does not include copying
for general distribution, promotion, new works, or resale. In these cases, specific written permisison
must first be obtained from the publisher.

987 6 5 4 3 2 I SPIN 10891089

www.springer-ny.com

Springer-Verlag New York Berlin Heide1berg

A member of BertelsmannSpringer Science+Business Media GmbH
Preface

The Quantum Weather Butterfly (Papilio tempestae) is an undistinguished

yellow colour. Its outstanding feature is its ability to create weather. This
presumably began as a survival trait, since even an extremely hungry bird
would find itself inconvenienced by a nasty localized tornado.

Terry Pratchett, Interesting Times

The principle of adaptive evolution is strongly intuitive, as we all perceive its

effec~ in the natural world and the Darwinian perspective has permeated
common culture. Computing researchers working in the fields of Artificial
Intelligence and Machine Learning realised over 30 years ago that such a
principle could be simulated in software, and hence exploited as a tool for
automating problem solving. The breakthrough in understanding how to apply
evolution is normally credited to the group led by John Holland and their
seminal work on the Genetic Algorithm, in 1975 at the University of Michigan.
However, it has taken several decades for evolution-based methods to
become an accepted element of computing techniques. Part of the reason for this
is the relative complexity of the theories underlying evolution-based algorithms,
which are still poorly understood.
This text is aimed at providing the reader with a practical guide to applying
evolutionary algorithms to engineering and scientific problems. The concepts
are illustrated through clear examples, ranging from simple to more complex
problem domains.
A major aspect of this text is the use of a Java toolkit for exploring Genetic
Algorithms, with examples in digital image processing and mobile robot control.
A hands-on approach is encouraged throughout the text, in order to develop an
intuitive understanding of evolution-driven algorithms. The toolkit provides an
easy-to-use visual interface, with integrated graphing and analysis tools, which
aid in the task of visualising the underlying processes. Full code for the toolkit is
available from the author's web site, where regular updates can be found
(http://www.cybernetics.org.uk), and on the included CD-ROM.
Chapter 1 provides a basic introduction to the history and background of
evolution-based algorithms. Chapter 2 covers some basic but essential
background material and principles from biological evolution. Chapters 3 and 4
cover the theory and operation of Genetic Algorithms and Genetic
vi Preface

Programming, respectively, in greater detail, as these represent the main

techniques in common use. Chapter 5 provides a detailed pair of examples from
the engineering domain in image processing and mobile robot control. Chapters
6 and 7 finish with a review of future directions in the field and some
conclusions on the benefits of evolution-based processing. Appendix A provides
a listing of some useful web-based references and software. Appendix B
describes the specific genetic algorithm software used in the text and the Eos
evolution toolkit from the Intelligent Systems laboratory at BTexact
Technologies. Appendix C provides some essential background knowledge in
Fuzzy Logic, which is required for the mobile robot control example. Appendix
D is a detailed user guide for the excellent mobile robot simulator, which has
been generously contributed by Gary Lucas.
This book is intended for anyone interested in evolution-based software at
the graduate and postgraduate levels. No mathematics beyond basic algebra and
Cartesian graph methods is used, as the aim is to encourage use of the Java
toolkit in order to develop an appreciation of the power of these techniques.
Several further texts are referenced that provide extensive coverage of the theory
and mathematical basis of genetic operators. The author welcomes suggestions
and feedback on the text and software.

Description and Use of CD-ROM

The accompanying CD-ROM in the back cover of the book contains the Java
code for the example applications from Chapter 5. It also contains a selection of
associated open-source Java code libraries for Evolutionary Applications and
robot simulators from other sources. In addition the papers directory contains a
selection of useful papers on Evolutionary Computing. Installation instructions
are contained in the CD file ReadMe.txt.

Acknow ledgements

I would like to acknowledge the following people who for various reasons were
involved in contributing to the creation of this book. I must particularly thank
Gary Lucas, the author of the Rossum mobile robot simulator, which forms the
basis for the second application in Chapter 5, as it was ideally suited to the
purpose of this text to promote Java and evolutionary algorithms in graduate
studies. Thanks also go to members of the Future Technologies group at
BTexact Technologies - in particular to Richard Tateson, Rob Shipman and
Paul Marrow for contributions, Erwin Bonsma for the Eos toolkit and appendix
material, and Mark Shackleton for allowing me time to work on this project.

Special thanks also go to my parents, Joyce and Derek Hercock. Finally,

thanks to my wife for tolerating my obsessive interest in artificial evolution.
Contents

Preface ........................................................................................................... v

1 Introduction to Evolutionary Computing ............................................... 1

1.1 Evolutionary Computation ................................................................... 1
1.2 History of Evolutionary Computing ..................................................... 2
1.3 Obstacles to Evolutionary Computation ............................................... 3
1.4 Machine Learning ................................................................................. 3
1.5 Problem Domains ................................................................................. 4
1.5.1 Search Spaces ................................................................................ 4
1.5.2 Optimisation Versus Robustness.................................................... 6
1.5.3 Expert Systems and AI ................................................................... 6
1.5.4 Fuzzy Logic .................................................................................... 7
1.5.5 Bayesian Networks ........................................................................ 9
1.5.6 Artificial Neural Networks ........................................................... 10
1.5.7 Feedforward Networks ................................................................ 11
1.6 Applications ........................................................................................ 12
1.6.1 Problems ...................................................................................... 13
1.7 Evolution-Based Search ..................................................................... 14
1.7.1 Languages for Evolutionary Computing ...................................... 14
1.7.2 C and C++ .................................................................................. 14
1.7.3 Pascal and Fortran ...................................................................... 15
1.7.4 Visual Basic ................................................................................. 15
1.7.5 Java ............................................................................................. 15
1.7.6 Object-Oriented Design ............................................................... 16
1.7.8 Java and 00 Design .................................................................... 16
1.8 Summary ............................................................................................ 17
Further Reading ................................................................................... 18
2 Principles of Natural Evolution .............................................................. 19
2.1 Natural Selection ................................................................................ 19
2.1.1 Genes and Chromosomes ............................................................ 19
2.1.2 Biological Genes .......................................................................... 20
viii Contents

2.2 DNA Structure .................................................................................... 20

2.2.1 Transcription -from DNA to RNA .............................................. 21
2.2.2 Translation -from RNA to Protein ............................................. 21
2.2.3 Genotype ...................................................................................... 21
2.2.4 No Lamarckianism! ..................................................................... 22
2.2.5 Evolution and Variation .............................................................. 22
2.2.6 Redundancy ................................................................................. 22
2.2.7 Self-Maintenance ......................................................................... 22
2.2.8 Evolvability .................................................................................. 23
2.2.9 Mutation ...................................................................................... 23
2.2.10 Sexual Recombination ............................................................... 24
2.2.11 Nonselectionist Issues ................................................................ 24
2.2.12 Epigenesis .................................................................................. 24
2.2.13 Dynamics and Morphogenesis ................................................... 25
2.3 Summary ............................................................................................ 25
Further Reading ................................................................................... 26
3 Genetic Algorithms .................................................................................. 27
3.1 Genetic Algorithms ............................................................................ 27
3.2 GA Basics ........................................................................................... 27
3.2.1 Fitness and Evaluation Functions ............................................... 27
3.3 GA Theory .......................................................................................... 30
3.3.1 Deception ..................................................................................... 31
3.3.2 Messy Genetic Algorithm ............................................................. 31
3.4 GA Operators ..................................................................................... 32
3.4.1 Mutation ...................................................................................... 32
3.4.2 Crossover..................................................................................... 33
3.4.3 Multipoint Crossover ................................................................... 34
3.4.4 Selection ...................................................................................... 34
3.4.5 Fitness-Proportionate Selection .................................................. 36
3.4.6 Disadvantages of Fitness-Proportionate Selection ..................... 37
3.4.7 Rank Selection ............................................................................. 37
3.4.8 Tournament Selection .................................................................. 38
3.4.9 Scaling Methods .......................................................................... 39
3.5 Pros and Cons of Genetic Algorithms ................................................ 39
3.6 Selecting GA methods ........................................................................ 40
3.6.1 Encoding Choice ......................................................................... 40
3.6.2 Operator Choice .......................................................................... 42
3.6.3 Elitism .......................................................................................... 42
3.7 Example GA Application .................................................................. .42
3.8 Summary ............................................................................................ 45
Further Reading ................................................................................... 46
 Contents ix

4 Genetic Programming ............................................................................. 47

4.1 Genetic Programming ......................................................................... 47
4.2 Introduction to Genetic Programming ................................................ 47
4.2.1 Variable-length and Tree-Based Representations ....................... 49
4.2.2 GP Terminal Set .......................................................................... 49
4.2.3 GP Function Set .......................................................................... 49
4.2.4 Function Closure ......................................................................... 50
4.2.5 Tree Structure Processing ........................................................... 50
4.2.6 Linear Structure Encoding .......................................................... 50
4.2.7 Graph Structure Encoding ........................................................... 51
4.2.8 GP Initialisation .......................................................................... 51
4.3 GP Operators ...................................................................................... 52
4.3.1 GP Crossover .............................................................................. 52
4.3.2 Mutation ...................................................................................... 52
4.3.3 Selection Operators in GP ........................................................... 52
4.3.4 Controlling Genome Growth ....................................................... 53
4.4 Genetic Programming Implementation ............................................... 54
4.4.1 Advances in GP - Automatically Defined Functions ................. 54
4.5 Summary ............................................................................................ 55
Further Reading ................................................................................... 56
5 Engineering Examples Using Genetic Algorithms .•.••••••••••••••.•••.•••••••••• 57
5.1 Introduction ........................................................................................ 57
5.2 Digital Image Processing .................................................................... 57
5.3 Basics of Image Processing ................................................................ 58
5.3.1 Convolution ................................................................................. 58
5.3.2 Lookup Tables ............................................................................. 59
5.4 Java and Image Processing ................................................................. 60
5.4.1 Example Application - VEGA ................................................... 61
5.4.2 Operator Search Space ................................................................ 61
5.4.3 Implementation ............................................................................ 61
5.5 Spectrographic Chromosome Representation ..................................... 67
5.6 Results ................................................................................................ 68
5.6.1 GA Format ................................................................................... 68
5.7 Summary - Evolved Image Processing ............................................... 70
5.8 Mobile Robot Control.. ....................................................................... 71
5.8.1 Artificial Intelligence and Mobile Robots.................................... 72
5.8.2 Planning ...................................................................................... 72
5.8.3 Static Worlds ............................................................................... 73
5.8.4 Reactive and Bottom-up Control ................................................. 74
5.8.5 Advantages of Reactive Control .................................................. 76
5.8.6 Alternative Strategies .................................................................. 76
5.9 Behaviour Management. ..................................................................... 77
x Contents

5.9.1 Behaviour Synthesis Architecture ................................................ 78

5.9.2 Standard Control Methods - PlD .............................................. 81
5.10 Evolutionary Methods ...................................................................... 82
5.10.1 GAs and Robots ......................................................................... 82
5.10.21nferencing Problem .................................................................. 82
5.10.3 Behaviour priorities: Natural Agents. ....................................... 83
5.11 Fuzzy logic Control .......................................................................... 84
5.11.1 Fuzzy Control of Subsumption Architectures ............................ 87
5.12 Evolved Fuzzy Systems .................................................................... 87
5.13 Robot Simulator ................................................................................ 89
5.13.1 The Robot Control Architecture ................................................ 90
5.13.2 Related Work ............................................................................. 93
5.13.3 Results ....................................................................................... 94
5.14 Analysis ............................................................................................ 98
5.15 Summary - Evolving Hybrid Systems ............................................ 99
Further Reading ................................................................................... 99
6 Future Directions iu Evolutiouary Computing •.••.•.•••.••.•.••.•••.•.•••.••••.• 101
6.1 Developments in Evolutionary Algorithms ...................................... 101
6.2 Evolvable Hardware ......................................................................... 101
6.3 Speciation and Distributed EA Methods .......................................... 103
6.3.1 Demetic Groups and Parallel Processing ................................. 103
6.3.2 Parallel Genetic Programming with Mobile Agents.................. 104
6.3.3 Mobile Agents ............................................................................ 104
6.3.5 EA Visualisation Methods .......................................................... 107
6.4 Advanced EA techniques .................................................................. 108
6.4.1 Multiobjective Optimisation ...................................................... 109
6.4.2 Methods: Weighted Sum Approach............................................ 109
6.4.3 Minimax Method ........................................................................ 109
6.4.4 Parameter Control.. ................................................................... 110
6.4.5 Diploid Chromosomes ............................................................... 110
6.4.6 Self-Adaptation .......................................................................... 110
6.5 Artificial Life and Coevolutionary Algorithms ................................ 111
6.6 Summary .......................................................................................... 113
Further Reading ................................................................................. 114
7 The Future of Evolutionary Computing ......•.•.•.•.•.•.•.•.............•.•••.•••••• 115
7.1 Evolution in Action .......................................................................... 115
7.2 Commercial value of Evolutionary Algorithms ................................ 115
7.3 Future Directions in Evolutionary Computing ................................. 116
7.3.1 Alife and Coevolution ................................................................ 116
7.3.2 Biological Inspiration ................................................................ 117
7.3.3 Developmental Biology.............................................................. 117
7.3.4 Adaptive Encoding and Hierarchy ............................................ 118
 Contents xi

7.3.5 Representation and Selection .................................................... 118

7.3.6 Mating Choice ........................................................................... 118
7.3.7 Parallelism ................................................................................ 118
7.4 Conclusion ........................................................................................ 119
Bibliography .............................................................................................. 121

Appendix A ..................................................................•....................•....... 133

A.1 Java-based EA Software .................................................................. 133
A.2 CIC++ based EA Software ............................................................... 134
A.3 General Evolution and Robotics References ................................... 134
A.4 Java Reference Guides ..................................................................... 136
A.5 Useful References ............................................................................ 136
Appendix B ........................................•........•..........................................•... 137
A Genetic Algorithm Example and the GPSYS GP Library .................. 137
B.1 Basic Genetic Algorithm .................................................................. 137
B.2 Simple Java Genetic Algorithm ....................................................... 137
Exercises ............................................................................................. 147
B.2.1 Vectors and Arraylists ............................................................... 147
B.3 Application Design .......................................................................... 148
B.4 Eos: An Evolutionary and Ecosystem Research Platform ............... 149
Authors: Erwin Bonsma, Mark Shackleton and Rob Shipman ........... 149
B.4.1 Introduction ............................................................................... 150
B.4.2 Design Overview ....................................................................... 150
B.4.3 Key Classes ............................................................................... 152
B.4.4 Configuration ............................................................................ 153
B.4.5 Illustrative Example Systems ..................................................... 154
B.4.6 Aerial Placement for Mobile Networks ..................................... 154
B.4.7 An Ecosystem Simulation Based on Echo ................................. 155
B.4.S Coevolutionary Function Optimisation ..................................... 156
B.4.9 Telecommunications Research using Eos ................................. 157
B.4.lO NetGrow: A Telecommunications Application ........................ 158
B.4.11 Eos Summary ........................................................................... 158
B.5 Traveling Salesman Problem ........................................................... 159
B.5.1 EOS Traveling Salesman Problem ............................................ 159
B.6 Genetic Programming ...................................................................... 163
B.6.1 Observations from Running GPsys - Lawnmower Problem: .... 164
Eos References.................................................................................... 167
Appendix C .........................................................••...•....•................•....•..... 169
C.1 Fuzzy Logic ..................................................................................... 169
C.2 Fuzzy Set Theory ............................................................................. 170
xii Contents

C.2.I Fuzzy Operators ........................................................................ 171

C2.2 Linguistic Variables .................................................................. 171
C.2.3 Fuzzy IF .................................................................................... 172
C2.4 Fuzzy Associative Memories ..................................................... 173
C2.5 Fuzzy Control Systems .............................................................. 174
C.2.6 Defuzzification .......................................................................... 175
C.2.7 Fuzzy Applications .................................................................... 178
C.3 Limitations of Fuzzy Control ........................................................... 178
C3.I Advantages of Fuzzy Systems .................................................... 179
C.4 Summary .......................................................................................... 180
Further Reading ................................................................................. 180
Appendix D ............................................................................................... 181
Introduction ............................................................................................ 181
System Overview .................................................................................... 181
Use and License ...................................................................................... 181
Programming Language and Run-Time Environment.. .......................... 182
Top-Level Directory Files and Hierarchy ............................................... 182
Units of Measure .................................................................................... 183
The Client-Server Architecture .............................................................. 183
Network/Local Connections Versus Dynamically Loaded Clients ..... 184
Why a Client-Server Architecture? ..................................................... 185
Client-Server Communications ........................................................... 185
Network and Local Connection Issues ............................................... 186
Communication via Events and Requests ........................................... 187
Keeping the RP I Protocol Language-Independent ............................ 188
Configuration Elements and Properties Files ......................................... 188
The "port" and "hostName" Properties ............................................ 189
Overriding Properties ........................................................................ 189
Loading RsProperties Files as a Resource ......................................... 190
The Server .............................................................................................. 191
Server Properties Files ....................................................................... 191
Accepting Clients ................................................................................ 191
The Scheduler ..................................................................................... 192
The Floor Plan ........................................................................................ 194
Syntax and Semantics ....................................................................... ,. 194
Building a Virtual Robot ........................................................................ 196
Introduction ........................................................................................ 196
Thinking About Client Design ............................................................ 196
The Demonstration Clients ..................................................................... 196
Life Cycle of the Demonstration Clients ................................................ 197
How ClnMain Extends RsClient and Implements RsRunnable .............. 199
The RsRunnable Interface .................................................................. 200
 Contents xiii

Building RsRunnable and RsClient into ClnMain.. ............................ 201

DemoMain Implements RsRunnable, But Does Not Extend RsClient.202
The Execution of ClnMain .................................................................. 202
Uploading the Body Plan ................................................................... 204
Registering Event Handlers ................................................................ 204
Running the Event Loop ..................................................................... 205
How the Demo Clients Work .............................................................. 205
Physical Layout of ClientZero ................................................................ 207
The RsBody and RsBodyPart Classes .................................................... 207
RsBodyShape ...................................................................................... 209
RsWheeISystem ................................................................................... 210
The Sensor Classes ............................................................................. 212
RsBodyTargetSensor .......................................................................... 213
RsBodyContactSensor ........................................................................ 213
Events and Requests ............................................................................... 214
Index ...................................................................................................... 216
 1
Introduction to Evolutionary Computing

Four billion years ago, the Earth was a molecular Garden of Eden. There
were as yet no predators. Some molecules reproduced themselves
inefficiently, competed for building blocks and left crude copies of
themselves. With reproduction, mutation and the selective elimination of the
least efficient varieties, evolution was well under way, even at the molecular
level. As time went on, they got better at reproducing. Molecules with
specialized functions eventually joined together, making a kind of molecular
collective - the first cell.
Carl Sagan, Cosmos, 1980

1.1 Evolutionary Computation

Evolution is a ubiquitous natural force that has shaped all life on Earth for
approximately 3.2 billion years. For several thousand years humanity has also
utlised artificial selection to shape domesticated plant and animal species. In the
past few decades, however, science has learned that the general principles at
work in natural evolution can also be applied to completely artificial
environments. In particular, within Computer Science the field of automated
machine learning has adopted algorithms based on the mechanisms exploited by
natural evolution.
One driving motivation for many researchers in Evolutionary Algorithms
(EA) and other machine learning fields is to create a set of automatic processes
that can translate high-level task descriptions into well-coded solutions. The
problem is that almost all commercially available software relies on handcrafted
and custom-written lines of code. This is always a time-consuming, expensive,
and error-prone process. For example, a typical modem operating system
contains several million lines of code and thousands of bugs, most of which are
tolerated and slowly weeded out by consumer effort (i.e., you). This may work
at present, but the cost and success rate of large and complex pieces of software
are a major concern to software developers. The result is a widening gap
between the capabilities of computing hardware and the quality and efficiency
of the software it runs. One solution being pursued is the open source movement

R. Ghanea-Hercock, Applied Evolutionary Algorithms in Java

© Springer Science+Business Media New York 2003
2 1 Introduction to Evolutionary Computing

in which code is opened to a large community of developers who contribute in

an ongoing process to its development (the principal example being
development of the Linux operating system). Good solutions are then
incorporated into the final product and poor solutions culled, which is not
entirely dissimilar to the approch of evolution-based algorithms.
There are many flavours of machine learning algorithms, from Case Based
Reasoning to Artificial Neural Networks, each of which has particular strengths
and weaknesses. However, there is a particular attraction of EA to many
computer scientists. This is difficult to convey until you have experimented with
such algorithms and been fascinated by their ability to produce a functioning
solution to a problem out of initially random bit sequences. It is the aim of this
text to enable readers to quickly acquire confidence in building and developing
their own EA programs and hence to gain some understanding of the power of
EA as a machine learning method.

1.2 History of Evolutionary Computing

It is particularly useful to consider the history of evolution within computing as

it covers much of the timeframe of computing itself. Some of the earliest work
can be traced back to Friedberg (1958), who introduced the idea of an
evolutionary algorithm approach for automatic programming. Later significant
developments included the creation of evolutionary programming by Fogel
(Fogel et aI., 1966). John Holland (1967) founded the initial work on genetic
algorithms at the University of Michigan. Parallel work was also initiated by
Bienert, P. Rechenberg, and Schwefel in evolutionary strategies (1966).
However, the first evolutionary algorithm in the form most commonly
utilised today was the genetic algorithm (GA) created by John Holland and his
students at the University of Michigan. The methods defined by the GA are the
basis for this text as they represent the most commonly used EA methods and
have proved to be highly flexible in real-world applications. Endless variations
of the standard GA operators have also been developed, such as variable-length
chromosomes, multipoint crossover, and many other flavours. Chapter 3
provides an introduction to the core GA concepts and some of the common
variations in present use.
The next major development in EA systems was Genetic Programming,
introduced by John Koza (1992). Koza formulated a general-purpose system for
program induction based on a tree-based representation scheme, which has been
applied to a very wide range of machine learning problems. Genetic
programming is allocated to Chapter 4 precisely because of its broad
applicability and to present an alternative approach to evolving computer
algorithms. In addition, it allows a more complex genome data representation,
which can be mapped to the object-based approach presented in the applications
in Chapter 5.
 1.1 Evolutionary Computation 3

The remainder of this chapter will first review the challenges encountered in
EA and the software and hardware issues that impact the exploitation of
artificial evolution as a problem-solving method. Second, a brief overview of the
history and methods of machine learning is provided, as this introduces some
core concepts required later in the text.

1.3 Obstacles to Evolutionary Computation

A major barrier to the early adoption of EA in the computing domain came from
opposition within the computer science community itself. This was often based
on the mistaken belief that such algorithms, with probabilistic processes as a
core mechanism, would not be amenable to producing functional code.
Particularly as normal computer code is generally brittle, and very susceptible to
minor variations in structure. In Chapters 2 and 3 we develop the necessary
background to EA methods to understand why probabilistic selection· methods
can generate functional code. As Goldberg states:
In our haste to discount strictly random search techniques, we must be careful
to separate them from randomised techniques. The genetic algorithm is an
example of a search procedure that uses random choice as a tool to guide a
highly exploitative search through a coding of a parameter space. (Goldberg
1989,p.5)
The second barrier to EA development was the problem that contemporary
computing technology in software, and particularly hardware, in the early 1970s
was barely capable of generating useful results in acceptable time scales (i.e.,
less than a few weeks). This problem added to the belief that such methods,
while theoretically interesting, would never be capable of useful applications.
Fortunately the exponential development in computing systems has generated
both software and hardware that offer the necessary processing power and also
software sophistication in terms of efficient compilers and object-based design.
A modem high-specification desktop can generate useful results from an EA
within a few hours, in a typical application such as those described in Chapter 5.
In Chapter 6 some speculative ideas are discussed on the possibilities future
hardware will enable, such as using EA within real-time adaptive applications.
In particular, the possibility of using reconfigurable hardware based on Field
Programmable Gate Array devices, opens entirely new applications to EA
methods. This area is explored in Chapter 6.

1.4 Machine Learning

Machine learning explores the mechanisms by which knowledge or skills can be

acquired through computing processes. It includes models for learning based on
statistics, logic, mathematics, neural structures, information theory, and heuristic
4 1 Introduction to Evolutionary Computing

search algorithms. It also involves the development and analysis of algorithms

that identify patterns in observed data in order to make predictions about unseen
data. Mitchell gives a useful definition:
".. machine learning is the study of computer algorithms that improve
automatically through experience." (Mitchell, 1996}.

In contrast, the early history of computer intelligence was dominated by the

field of 'Expert Systems' in which the emphasis was in precisely defining human
knowledge into machine processable tasks. Some success was achieved with the
expert systems approach, but it became increasingly obvious that such systems
were highly task-specific with minimal ability to generalise the knowledge
supplied. Hence increased interest developed during the 1980s in giving
machines the ability to learn new knowledge, leading to a revival of machine
learning processes.
Longer-term goals that the pioneers of the field considered achievable, such
as general learning and cognition, have been shelved until far more work has
been completed in understanding the basics of specific machine skills. Expert
and knowledge-based systems will therefore continue to develop in parallel with
adaptive and soft computing processes, such as EA and Fuzzy Logic systems.

1.5 Problem Domains

There is an increasing range of complex problems across commerce and science,

which require automated and adaptive computational techniques. For example,
relational databases with millions of records are now common in business,
astronomy, engineering, and the sciences. The problem of extracting useful
information from such data sets is an important (and lucrative) commercial
problem. Evolution-based algorithms have been applied to a wide range of
technical problems, including handwriting recognition, scheduling in
manufacturing, speech and image processing. Other examples of EA
applications include

• Gas pipeline optimisation (Goldberg, 1983)

• Robot kinematics (Davidor, 1991)
• Image Processing (Harvey & Marshall, 1996)
• Evolved art (Todd & Latham, 1992)
• Network design (Choi, 1996)

1.5.1 Search Spaces

A central aspect of machine learning is the requirement of an algorithm to
perform an automated search of a complex and often multidimensional problem
space, (as shown in figure 1.1). The problem space is effectively a mapping of
the problem parameters into an abstract n-dimensional state space. In state space
 1.5 Problem Domains 5

search, a programmer first assigns a computer an initial state. A set of operators

is automatically used to move from one state to the next. In addition, some
halting condition is required, which specifies when a sufficiently close solution
has been achieved. Common search algorithms applied to AI search strategies
include breadth-first and depth-first search.

0.5

FIGURE 1.1 A typical mUltipeak search space, in which a machine learning

algorithm can become trapped on a suboptimal solution.

A useful starting point for developing search algorithms is the text

Fundamentals of Data Structures in C++ by Horowitz et aI, (Horowitz et aI ,
1995). Simple hill-climbing or related calculus-based methods may have great
difficulty in solving such multioptima spaces, and are of even less use in
discontinuous and irregular spaces. Unfortunately, many if not all real-world
problems are of this form. All too often researchers test new algorithms and
strategies on relatively simple test cases and then fail to achieve any qualitative
improvement when running the algorithm on a real data set. It is therefore
6 1 Introduction to Evolutionary Computing

instructive to consider the idea that in all machine search methods the no free
lunch theorem applies (Wolpert and Macready, 1995) that is:
all algorithms that search for an extremum of a cost function perform exactly
the same, when averaged over all possible cost functions. In particular, if
algorithm A outperforms algorithm B on some cost functions, then loosely
speaking there must exist exactly as many other functions where B
outperforms A. (Wolpert and Macready, 1995)

1.5.2 Optimisation versus Robustness

It is of some importance when considering the value of any machine learning
algorithm to determine the correct measure of effectiveness (or MOE as defined
in military strategy studies). Real-world search spaces as discussed are
invariably complex and ill defined, hence spending large resources on locating a
precise optimum may be futile. A better approach may be to employ a spread of
algorithms, which generate a robust and usable set of good solutions. The
lessons learned from the underachievement of expert systems were exactly that
they frequently generated optimised but fragile and nonadaptive solutions. EA
can also experience the same problems if poorly designed.
Another way of reading this is to apply quick and cheap searches if they
approach a working solution. Fuzzy logic and EA are examples of broad and
robust search algorithms, and their robustness attributes will be considered in
some detail later in the text.

1.5.3 Expert Systems and AI

This section provides a very cursory review of rule-based AI methods, as a
comparison with soft computing and EA. Expert systems utilise rule-based
programming rules to represent heuristics, or "rules of thumb," which specify a
set of actions to be performed for a given situation. A rule is composed of an if
portion and a then portion. The if portion of a rule is a series of patterns that
specify the facts (or data) that cause the rule to be applicable (the precondition).
The process of matching facts to patterns is called pattern matching. The expert
system tool provides a mechanism, called the inference engine, which
automatically matches facts against patterns and determines which rules are
applicable. The if portion of a rule can actually be thought of as the whenever
portion of a rule since pattern matching always occurs whenever changes are
made to facts. The then portion of a rule is the set of actions to be executed
when the rule is applicable (the postcondition). Hence the actions of applicable
rules are executed when the inference engine is instructed to begin execution.
The inference engine selects a rule and then the actions of the selected rule are
executed (which may also affect the list of applicable rules by adding or
removing facts).
 1.5 Problem Domains 7

A useful publicly available rule-based expert system is CLIPS (the C

Language Integrated Production System), which was originally developed at
NASA. CLIPS is available from www.ghg.netlclips/CLIPS.html. (A useful
Java-based rule system is the IBM AbleBeans code library, available from
http://alphaworks.ibm.com.) For further material a good introductory text to
modem AI is that by Russell and Norvig (1995).
Current work in expert systems has now shifted to Case Based Reasoning
and agent-based systems, each of which extends and adapts the use of heuristic
inferencing. An interesting (and profitable) application domain example
involves online e-commerce systems (e.g., Maes et aI., 1999, and Ardissono et
aI., 1999), in which agents and CBR are combined to support intelligent user
services. However, the majority of working business and e-commerce systems
still rely heavily on simple rule-based inferencing.

1.5.4 Fuzzy Logic

One highly successful computational intelligence method that has emerged is
Fuzzy Logic. Fuzzy logic (Zadeh, 1965) has enjoyed wide popularity in
engineering as an advanced control and AI technique; particularly within the
Japanese and Asian markets. However, it is only in the past two decades that it
has been recognised in Europe and America as a useful AI system. Driankov et
aI., (Driankov, Hellendoorn, and Reinfrank, 1996) provides an excellent
introduction to applied fuzzy control methods. It provides a particularly clear
insight into the theory and application of fuzzy techniques.
Since Zadeh's original work on Fuzzy Logic (Zadeh, 1965), intense debate
has surrounded the subject, with vigorous defenders and opponents on both
sides. In terms of the underlying theory the argument has revolved around
whether fuzzy logic is just another form of probabilistic reasoning or whether
probability is a subset of fuzziness (Kosko, 1992).
A fuzzy rule system effectively embeds expert knowledge into a set of
flexible overlapping rules in order to create an adaptive data processing system.
Its prime application area is in advanced control systems, such as robotics,
industrial plant control, transport speed controllers, and washing machines! Its
strength lies in its ability to control a complex system, even if no precise
mathematical model of the underlying processes is available. The key issue
revolves around designing the required input and output rule sets.
Since a fuzzy system normally contains no learning ability in itself, it is
often combined with evolutionary algorithms or neural networks, which act to
learn the necessary rule sets from some training data. Appendix C provides an
introductory tutorial to fuzzy systems, as they form an important part of the
mobile robot control application presented in Chapter 5. Figure 1.2 provides an
illustration of a fuzzy clustering algorithm applied to an e-commerce
application.
8 1 Introduction to Evolutionary Computing

As with all of the machine learning methods fuzzy logic is not a panacea, but
it is highly effective in the control of complex engineering systems and can
provide a useful interface between other adaptive algorithms and physical
systems. An excellent introduction to fuzzy systems, which includes material on
neural networks and how the two systems can be combined, is Kosko's text
(Kosko, 1992). The advantages of fuzzy control systems can be divided into
theoretical and practical issues.

, SelectedC
,
I

d Product

30

x-axis, Cost
.,
••
FIGURE 1.2 Example fuzzy clustering technique applied to data points for an e-
commerce application. Using 4 input attributes to generate 4 clusters, from a range of 64
laptop computers. In this example a fuzzy rule system can help identify a product based
on a customers combined set of specified preferences. (Copyright BT ISR Laboratories,
1999.)

First, the arguments for fuzzy control include

• They permit the incorporation of linguistic knowledge into a control

architecture.
• It is a model-free system, hence no underlying mathematical model of the
control process or plant is required .
• It provides an efficient nonlinear control mechanism, which is justified by
the universal-approximation theorem.
• Ease of implementation.
 1.5 Problem Domains 9

• Simple to design, compared to an equivalent conventional controller for the

same system (particularly true for nonlinear systems).
• Cheap to develop, with well-established software packages available, and
fast to prototype new code if required.
• Possible to implement as a VLSI chip, which are now widely available (in
contrast to the inherent complexity of hardware neural network systems).

1.5.5 Bayesian networks

A Bayesian network is basically a model representation based on reasoning with
uncertainty, using a statistical approach. A problem domain is divided into a
number of entities or events, which are represented as separate variables. One
variable could represent the event that a server in a communications network has
failed. The variables representing different events are then connected via
directed edges to describe relations between events. An edge between two
variables X and Y then simply represents a possible dependence relation
between the events represented by X and Y, as illustrated in Figure l.3.
An edge could, for instance, describe a dependence relation between a
disease and a symptom (a common application domain for Bayesian net
software). Hence, edges can be used to represent cause-effect relations. These
dependence relations between entities of the problem domain may be organised
as a graphical structure. This graphical structure describes the possible
dependence relations between the entities of the problem domain. The advantage
of such Bayesian networks is their compactness and efficiency.
The uncertainty of the specific problem domain is then represented through
conditional probabilities. Conditional probability distributions specify our belief
about the strengths of the cause-effect relations; for example, a server crash may
not be due to network traffic but could also be due to a power outage, each of
which is assigned some probability value.
Thus, a Bayesian network consists of a qualitative part, which describes the
dependence relations of the problem domain, and a quantitative part, which
describes our belief about the strengths of the relations. The framework of
Bayesian networks offers a compact, intuitive, and efficient graphical
representation of dependence relations between the entities of a problem
domain.
The graphical structure reflects properties of the problem domain in an
intuitive way, which makes it easy for nonexperts to understand and build this
kind of knowledge representation. It is possible to utilise both background
knowledge such as expert knowledge and knowledge stored in databases when
constructing Bayesian networks.

(A freeware tool for experimenting with Bayesian networks is available from

the Microsoft research web site at http://research.microsoft.com/msbn/.)
10 1 Introduction to Evolutionary Computing

FIGURE 1.3 Example graphical representation of a Bayesian network showing a simple

example belief network for diagnosing why a car won 't start, based on spark plugs,
headlights, main fuse, etc. (Copyright Norsys Software Corp., 2001.)

1.5.6 Artificial Neural Networks

A dominant field in machine learning is that of artificial neural networks
(ANN). Original work in this field can be traced back to Mc Culloch and Pits
(1943) and their development of artificial models of neuron behaviour. In this
model the neuron receives one or more inputs and produces one or more
identical outputs. Each output is then a simple nonlinear function of the sum of
the inputs to the neuron .
Given the obvious fact that the most intelligent computer on the planet
weighs about 2.5 pounds and is composed of a jellylike mass of biological
neurons, there has been significant interest in the computer science community
in learning how to replicate the capabilities of the biological neuron. Strong
interest in the AI community continued until 1969, when a text by Marvin
Minsky and Seymour Papert emphasised the limitations of the Perceptron model
 1.5 Problem Domains 11

of ANN, which was dominant at the time; this virtually halted further research in
the subject.
In 1982, however, a seminal paper by Hopfield (Hopfield, 1982) reignited
interest in the field with a new model of a bidirectional ANN. Since then a large
research community has grown around the investigation of ANN models and
their application. One useful definition is
a neural network is a system composed of many simple processing elements
operating in parallel whose function is determined by network structure,
connection strengths, and the processing performed at computing elements or
nodes. (DARPA Neural Network Study, 1988, AFCEA Int. Press.)

1.5.7 Feedforward Networks

The commonest ANN is the three-layer feedforward network, which has an
input layer, one hidden layer, and an output layer. The network operates as a
transfer function acting on a vector applied to the input layer, as illustrated in
Figure 1.4.

Hidden Layer
Ho
Xo Yo

Inputs Outputs

XII

Input Output
weights Wij weights Wj .;

FIGURE 1.4 Example of a three-layer feedforward network (Welstead, 1994).

The network's behaviour is determined by the number of layers and nodes

within each layer and the value of each weight linking the nodes. Through a
training process involving the presentation of large sets of input-output pairs the
network is able to learn the required transfer function. The popularity of these
systems is based on the mathematical result that such networks are universal
approximators, hence they can model any reasonable function (i.e., one having a
small number of discontinuities and defined on a closed, bounded subset of RN)
12 1 Introduction to Evolutionary Computing

based on a deterministic process (see Kosko, 1992). The most frequently used
transfer function for a neural network is a sigmoidal function, as shown in
Figure 1.5.
1
f(x) = 1+ e(-a.x)
(Ll)

The use of weighted threshold connections is a basic approximation of the

way in which biological synapses operate. Nonlinear transfer functions increase
the computational range of a parallel network and help in noise suppression.
However, they increase the complexity of analysing the trained network.
Learning in natural organisms utilises adjustments in the strength of the synaptic
connections, and similarly ANNs are also able to encode learned responses in
the set of weight vectors.

OL-__ -*~~~ ____L __ _ ~ _ _ _ _~_ __ _L __ _~_ _ _ _~

o 2 4

FIGURE 1.5 Example sigmoidal threshold function, used in ANN nodes, based on the
logistic sigmoid function in (1.1) a = gain factor, i.e., response time of the network.

1.6 Applications

The prime benefit of ANN is the ability to act as pattern recognisers and noisy
data classifiers. They can generalise decisions from poor-quality input data and
hence are ideal for a range of classification problems, such as
• Handwriting recognition
• Speech processing
• Image processing
• Digital and analogue signal processing
 1.6 Applications 13

• Robot control

ANN may be categorised into two general types; feedforward and recurrent
(utilising feedback). They can also be divided into whether they use training
data to learn the required response (supervised) or use a self-organising method
(unsupervised) to learn. An example of the later is Kohenen networks (Kohenen,
1984). Unsupervised networks operate by clustering data into related groups
based on measuring the features acting as inputs to the network.

1.6.1 Problems
While there is an intuitive and appealing relationship between ANN and
biological neural systems, the artificial variety suffers from several
disadvantages. First, the universal approximation property may be theoretically
useful, but it fails to inform us how many hidden layers and nodes the network
may actually require for a given function. Second, the number of pairs of
training data pairs required to train even a simple network is often several
thousand. This generally requires a significant amount of computation. In
addition, the algorithms used to compute the weights are nontrivial and require
extensive processing. Finally, the most significant problem relates to
interpretation of the final trained network and its set of activation weights. It is
extremely difficult to extract the logical inference, which relates a given input
vector to an output response, namely, to understand how the network is
performing its specific task. This has led to the formation of the new subfield of
Rule-Extraction from ANN. In effect, the trained network is a black-box
mechanism. In contrast, fuzzy rule-based systems are intrinsically transparent to
inspection and analysis of which rules relate to specific behaviours of the
system.
It is also very important to note that contrary to popular opinion, biological
neurons are not simple function transducers (Koch, 1997); rather they should be
modeled as individual agents in their own right; or at least as having adaptive
properties. Cortical neurons contain a nucleus and cellular body and are
specialised but fully functional cells. Constructing simple three-layer
feedforward networks based on sigmoid functions and expecting them to model
natural neural computational structures is simply unrealistic. Significantly more
complex neural systems have, however, been designed. These may be based on
a cellular model, which can act in a co-operative manner to process complex
signals. Recent work on using cellular neural systems for controlling
autonomous software agents with a more realistic biological model has been
demonstrated by Cyberlife Technology Inc., in their "Creatures" product
(Cyberlife, Grand, 1996).
However, ANN systems do possess intrinsic learning and adaptive
capabilities, and these have been exploited in a range of advanced self-
organising controllers. An interesting example is mobile robot control systems.
14 1 Introduction to Evolutionary Computing

Robotic systems are a useful test platform for a wide range of machine learning
methods and frequent use of ANN has been made in this domain, as they offer a
way to investigate sensory integration and processing. They may also be used to
directly implement the sensor-actuator link or to control the interaction of lower-
level reactive behaviours.

1.7 Evolution-Based Search

The central concept of EA is that repeated mixing, mutation, and a selective

filtering action on a population of individual bit string solutions (i.e.,
chromosomes) is an effective method for locating a solution point within a
complex search space. Chapters 2 and 3 cover the field of EA in greater detail.

1.7.1 Languages for Evolutionary Computing

In order to implement an evolutionary algorithm, we need two components, a
sufficiently powerful computer and a suitable programming language.
Fortunately both of these components have matured since Holland's early work,
and modem computers and high-level languages make the task of building
evolutionary algorithms far easier. However, the software aspect of
implementing EA is frequently a source of frustration for new researchers and
students in the field. It is a nontrivial exercise to code even a minimal EA. This
is particularly the case with languages that are not object-oriented, as an EA is
best represented as a collection of interacting data objects, each possessing
multiple parameters. In addition, the classic programming problem of memory
management is of importance, as individual chromosomes are being added and
deleted from the pool of evolving code at some rate, leading to the need for
careful deallocation of objects from memory. Since the advent of new object-
based languages such as Java, C++, and more advanced compilers, these have
greatly simplified the programming effort required to develop EA systems.
The relative merits of some suitable languages wiIl now be considered. All
of the examples and exercises in this book are based on the Java programming
language from Sun MicroSystems, in its current version JDK1.3. There are
several strong reasons why this language was selected for this text, and these
wiIl be discussed with comparisons to alternative languages.

1.7.2 C and C++

The principal computing language used to date for implementing EA has been C
or its derivative, C++. It offers several advantages well suited to EA work;
• High speed: from being a compiled medium-level language.
• Compact size.
• Wide range of efficient compilers and support tools available.
• C++ is an early object-based language that builds on the strengths of C.
 1.7 Evolution based search 15

As a result there are now a significant number of code libraries in both C and
C++ available to perform a vast range of EA operations. In Appendix A, a few
of the principal libraries are listed, particularly those available for open source
distribution.
However, there are also some disadvantages to these languages. First, C is a
relatively low-level language with few operators for complex data manipulation.
It can also be difficult for new students to learn and it can be difficult to
implement large-scale programs. C++ was an attempt to add object-based
functionality to C, which has been partially successful. However, both languages
offer little in the way of automatic memory management, which places a burden
on the developer to manually code explicit deallocation of used memory
resources. C++ has also been criticised for its complexity and lack of
standardisation. It can be a major task to port code developed on one specific
hardware platform to another.

1.7.3 Pascal and Fortran

Pascal and more frequently Fortran have also been used to develop EA systems.
However, there are far fewer code libraries available than C or C++. Both
languages suffer to some extent from the disadvantages of C and usually lack
the object capabilities of C++ (Delphi, a strong object-based language derived
from Pascal, is an exception).

1.7.4 Visual Basic

A modern object oriented language that could be used for EA work is Visual
Basic; however, it is relatively slow, compared to fully compiled languages, and
quite platform-specific. Some source code for EA in VB is available on the web.

1.7.5 Java
Java has several major advantages for developing EA applications:
• Automatic memory management.
• Pure object-oriented design.
• High-level data constructs: for example, the Vector and ArrayList objects
offer dynamically resizable arrays.
• Platform independent code is easily ported among Unix, Linux, Windows,
and Mac systems.
• Several complete EA libraries are available for EA systems (see Appendix
A).
Since life is rarely perfect, however, there is a price to pay! Java is an
interpreted language, meaning it is converted from its bytecode format into a
platform-specific executable at run-time. This significantly slows down Java
applications, relative to equivalent C or C++ code. However, recent work by
Sun and third-party companies has resulted in "Just in Time" compilers for Java
16 1 Introduction to Evolutionary Computing

that preload and compile the Java bytecode. The end result is performance,
which is within 30-50% of an equivalent C application. (See the Bibliography
for references in this area.)

1.7.6 Object-Oriented Design

One of the fundamental advances in software development was the introduction
of object-oriented (00) design. The following quotes attempt to define the basic
idea behind 00 design:

The first principle of object oriented programming might be called

intelligence encapsulation: view objects from outside to provide a natural
metaphor of intrinsic behavior. (Rentsch et aI., 1982)

The basic support a programmer needs to write object-oriented programs

consists of a class mechanism with inheritance and a mechanism that allows
calls of member functions to depend on the actual type of an object (in cases
where the actual type is unknown at compile time). (Stroustrup, 1991)

The object-oriented approach combines three properties: encapsulation,

inheritance, and organization. (Nguyen, 1986)

In basic terms rather than use a procedure or structured programming format,

00 design works by encapsulating related methods and variables within a single
code entity, i.e., an object. Hostetter (Hostetter, 2002) gives a useful description
of the evolution of 00 languages. One of the first such languages was
SmallTalk, but the first widespread use of 00 came in 1983 when the first
version of C++ was released. More features have been continually added, until
an ISO standard version of C++ was agreed, in 1998.

1.7.7 Java and 00 Design

Java was originally designed for programming embedded systems (e.g., smart
toasters). Because of this, the ideas of platform independence and run-time
safety are key aspects of its design. However, it is also completely object-
oriented in every respect. The Java online tutorial provides an excellent
definition of the 00 approach:
Real-world objects share two characteristics: They all have state and
behaviour. For example, dogs have state (name, colour, breed, hungry) and
behaviour (barking, fetching, and wagging tail). Bicycles have state (current
gear, current pedal cadence, two wheels, number of gears) and behaviour
(braking, accelerating, slowing down, changing gears). Software objects are
modelled after real-world objects in that they too have state and behaviour. A
software object maintains its state in one or more variables. A variable is an
Random documents with unrelated
content Scribd suggests to you:
 Je n'ai pu mettre ainsi en évidence une transformation notable
des rayons du radium. Cependant, dans diverses expériences
radiographiques, M. Becquerel a observé des effets très intenses dus
aux rayons diffusés ou secondaires, émis par les écrans solides qui
recevaient les rayons du radium. La substance la plus active, au
point de vue de ces émissions secondaires, semble être le plomb.

Action ionisante des rayons du radium sur les liquides isolants.—

M. Curie a montré que les rayons du radium et les rayons de
Röntgen agissent sur les diélectriques liquides comme sur l'air, en
leur communiquant une certaine conductibilité électrique[75]. Voici
comment était disposée l'expérience (fig. 9).

Fig. 9.

Le liquide à expérimenter est placé dans un vase métallique

CDEF, dans lequel plonge un tube de cuivre mince AB; ces deux
pièces métalliques servent d'électrodes. Le vase est maintenu à un
potentiel connu, au moyen d'une batterie de petits accumulateurs,
dont un pôle est à terre. Le tube AB est en relation avec
l'électromètre. Lorsqu'un courant traverse le liquide, on maintient
l'électromètre au zéro à l'aide d'un quartz piézoélectrique qui donne
la mesure du courant. Le tube de cuivre MNM'N', relié au sol, sert de
tube de garde pour empêcher le passage du courant à travers l'air.
Une ampoule contenant le sel de baryum radifère peut être placée
au fond du tube AB; les rayons agissent sur le liquide après avoir
traversé le verre de l'ampoule et les parois du tube métallique. On
peut encore faire agir le radium en plaçant l'ampoule en dessous de
la paroi DE.
Pour agir avec les rayons de Röntgen, on fait arriver ces rayons
au travers de la paroi DE.
L'accroissement de conductibilité par l'action des rayons du
radium ou des rayons de Röntgen semble se produire pour tous les
diélectriques liquides; mais, pour constater cet accroissement, il est
nécessaire que la conductibilité propre du liquide soit assez faible
pour ne pas masquer l'effet des rayons.
En opérant avec le radium et les rayons de Röntgen, M. Curie a
obtenu des effets du même ordre de grandeur.
Quand on étudie avec le même dispositif la conductibilité de l'air
ou d'un autre gaz sous l'action des rayons de Becquerel, on trouve
que l'intensité du courant obtenu est proportionnelle à la différence
de potentiel entre les électrodes, tant que celle-ci ne dépasse pas
quelques volts; mais pour des tensions plus élevées, l'intensité du
courant croît de moins en moins vite, et le courant de saturation est
sensiblement atteint pour une tension de 100 volts.
Les liquides étudiés avec le même appareil et avec le même
produit radiant très actif se comportent différemment; l'intensité du
courant est proportionnelle à la tension quand celle-ci varie entre 0
et 450 volts, et cela même quand la distance des électrodes ne
dépasse pas 6mm. On peut alors considérer la conductivité
provoquée dans divers liquides par le rayonnement d'un sel de
radium agissant dans les mêmes conditions.

Les nombres du Tableau suivant multiplié par 10-14 donnent la

conductivité en mhos (inverse d'ohm) pour 1cm³:

Sulfure de carbone 20
Éther de pétrole 15
Amylène 14
Chlorure de carbone 8
Benzine 4
Air liquide 1,3
Huile de vaseline 1,6

On peut cependant supposer que les liquides et les gaz se

comportent d'une façon analogue, mais que, pour les liquides, le
courant reste proportionnel à la tension jusqu'à une limite bien plus
élevée que pour les gaz. On pouvait, par analogie avec ce qui a lieu
pour les gaz, chercher à abaisser la limite de proportionnalité en
employant un rayonnement beaucoup plus faible. L'expérience a
vérifié cette prévision; le produit radiant employé était 150 fois
moins actif que celui qui avait servi pour les premières expériences.
Pour des tensions de 50, 100, 200, 400 volts, les intensités du
courant étaient représentées respectivement par les nombres 109,
185, 255, 335. La proportionnalité ne se maintient plus, mais le
courant varie encore fortement quand on double la différence de
potentiel.
Quelques-uns des liquides examinés sont des isolants à peu près
parfaits, quand ils sont maintenus à température constante, et qu'ils
sont à l'abri de l'action des rayons. Tels sont: l'air liquide, l'éther de
pétrole, l'huile de vaseline, l'amylène. Il est alors très facile d'étudier
l'effet des rayons. L'huile de vaseline est beaucoup moins sensible à
l'action des rayons que l'éther de pétrole. Il convient peut-être de
rapprocher ce fait de la différence de volatilité qui existe entre ces
deux hydrocarbures. L'air liquide qui a bouilli pendant quelque temps
dans le vase d'expérience est plus sensible à l'action des rayons que
celui que l'on vient d'y verser; la conductivité produite par les rayons
est de 1/4 plus grande dans le premier cas. M. Curie a étudié sur
l'amylène et sur l'éther de pétrole l'action des rayons aux
températures de + 10° et de - 17°. La conductivité due au
rayonnement diminue de 1/10 seulement de sa valeur, quand on
passe de 10° à - 17°.
Dans les expériences où l'on fait varier la température du liquide
on peut soit maintenir le radium à la température ambiante, soit le
porter à la même température que le liquide; on obtient le même
résultat dans les deux cas. Cela tient à ce que le rayonnement du
radium ne varie pas avec la température, et conserve encore la
même valeur même à la température de l'air liquide. Ce fait a été
vérifié directement par des mesures.

Divers effets et applications de l'action ionisante des rayons émis

par les substances radioactives.—Les rayons des nouvelles
substances radioactives ionisent l'air fortement. On peut, par l'action
du radium, provoquer facilement la condensation de la vapeur d'eau
sursaturée, absolument comme cela a lieu par l'action des rayons
cathodiques et des rayons Röntgen.
Sous l'influence des rayons émis par les substances radioactives
nouvelles, la distance explosive entre deux conducteurs métalliques
pour une différence de potentiel donnée se trouve augmentée;
autrement dit, le passage de l'étincelle est facilité par l'action des
rayons. Ce phénomène est dû à l'action des rayons les plus
pénétrants. Si, en effet, on entoure le radium d'une enveloppe en
plomb de 2cm, l'action du radium sur l'étincelle n'est pas
considérablement affaiblie, alors que le rayonnement qui traverse
n'est qu'une très faible fraction du rayonnement total.
 En rendant conducteur, par l'action des substances radioactives,
l'air au voisinage de deux conducteurs métalliques, dont l'un est relié
au sol et l'autre à un électromètre bien isolé, on voit l'électromètre
prendre une déviation permanente, qui permet de mesurer la force
électromotrice de la pile formée par l'air et les deux métaux (force
électromotrice de contact des deux métaux, quand ils sont séparés
par l'air). Cette méthode de mesures a été employée par lord Kelwin
et ses élèves, la substance radiante étant l'uranium[76]; une méthode
analogue avait été antérieurement employée par M. Perrin qui
utilisait l'action ionisante des rayons Röntgen[77].
On peut se servir des substances radioactives dans l'étude de
l'électricité atmosphérique. La substance active est enfermée dans
une petite boîte en aluminium mince, fixée à l'extrémité d'une tige
métallique en relation avec l'électromètre. L'air est rendu conducteur
au voisinage de l'extrémité de la tige, et celle-ci prend le potentiel de
l'air qui l'entoure. Le radium remplace ainsi avec avantage les
flammes ou les appareils à écoulement d'eau de lord Kelwin,
généralement employés jusqu'à présent dans l'étude de l'électricité
atmosphérique[78].

Effets de fluorescence, effets lumineux.—Les rayons émis par les

nouvelles substances radioactives provoquent la fluorescence de
certains corps. M. Curie et moi, nous avons tout d'abord découvert
ce phénomène en faisant agir le polonium au travers d'une feuille
d'aluminium sur une couche de platinocyanure de baryum. La même
expérience réussit encore plus facilement avec du baryum radifère
suffisamment actif. Quand la substance est fortement radioactive, la
fluorescence produite est très belle.
Un grand nombre de substances sont susceptibles de devenir
phosphorescentes ou fluorescentes par l'action des rayons de
Becquerel. M. Becquerel a étudié l'action sur les sels d'urane, le
diamant, la blende, etc. M. Bary a montré que les sels des métaux
alcalins et alcalino-terreux, qui sont tous fluorescents sous l'action
des rayons lumineux et des rayons Röntgen, sont également
fluorescents sous l'action des rayons du radium[79]. On peut
également observer la fluorescence du papier, du coton, du verre,
etc., au voisinage du radium. Parmi les différentes espèces de verre,
le verre de Thuringe est particulièrement lumineux. Les métaux ne
semblent pas devenir lumineux.
Le platinocyanure de baryum convient le mieux quand on veut
étudier le rayonnement des corps radioactifs par la méthode
fluoroscopique. On peut suivre l'effet des rayons du radium à des
distances supérieures à 2m. Le sulfure de zinc phosphorescent est
rendu extrêmement lumineux, mais ce corps a l'inconvénient de
conserver la luminosité pendant quelque temps, après que l'action
des rayons a été supprimée.
On peut observer la fluorescence produite par le radium quand
l'écran fluorescent est séparé du radium par des écrans absorbants.
Nous avons pu observer l'éclairement d'un écran au platinocyanure
de baryum à travers le corps humain. Cependant, l'action est
incomparablement plus intense, quand l'écran est placé tout contre
le radium et qu'il n'en est séparé par aucun écran solide. Tous les
groupes de rayons semblent capables de produire la fluorescence.
Pour observer l'action du polonium il est nécessaire de mettre la
substance tout près de l'écran fluorescent sans interposition d'écran
solide, ou tout au moins avec interposition d'un écran très mince
seulement.
La luminosité des substances fluorescentes exposées à l'action
des substances radioactives baisse avec le temps. En même temps la
substance fluorescente subit une transformation. En voici quelques
exemples:
Les rayons du radium transforment le platinocyanure de baryum
en une variété brune moins lumineuse (action analogue à celle
produite par les rayons Röntgen et décrite par M. Villard). Ils altèrent
également le sulfate d'uranyle et de potassium en le faisant jaunir.
Le platinocyanure de baryum transformé est régénéré partiellement
par l'action de la lumière. Plaçons le radium au-dessous d'une
couche de platinocyanure de baryum étalée sur du papier, le
platinocyanure devient lumineux; si l'on maintient le système dans
l'obscurité, le platinocyanure s'altère, et sa luminosité baisse
considérablement. Mais, exposons le tout à la lumière; le
platinocyanure est partiellement régénéré, et si l'on reporte le tout
dans l'obscurité, la luminosité reparaît assez forte. On a donc, au
moyen d'un corps fluorescent et d'un corps radioactif, réalisé un
système qui fonctionne comme un corps phosphorescent à longue
durée de phosphorescence.
Le verre, qui est rendu fluorescent par l'action du radium, se
colore en brun ou en violet. En même temps, il devient moins
fluorescent. Si l'on chauffe ce verre ainsi altéré, il se décolore et, en
même temps que la décoloration se produit, le verre émet de la
lumière. Après cela le verre a repris la propriété d'être fluorescent au
même degré qu'avant la transformation.
Le sulfure de zinc qui a été exposé à l'action du radium pendant
un temps suffisant s'épuise peu à peu et perd la faculté d'être
phosphorescent, soit sous l'action du radium, soit sous celle de la
lumière.
Le diamant est rendu phosphorescent par l'action du radium et
peut être distingué ainsi des imitations en strass, dont la luminosité
est très faible.
Tous les composés de baryum radifère sont spontanément
lumineux[80]. Les sels haloïdes, anhydres et secs, émettent une
lumière particulièrement intense. Cette luminosité ne peut être vue à
la grande lumière du jour, mais on la voit facilement dans la demi-
obscurité ou dans une pièce éclairée à la lumière du gaz. La lumière
émise peut être assez forte pour que l'on puisse lire en s'éclairant
avec un peu de produit dans l'obscurité. La lumière émise émane de
toute la masse du produit, tandis que, pour un corps phosphorescent
ordinaire, la lumière émane surtout de la partie de la surface qui a
été éclairée. A l'air humide les produits radifères perdent en grande
partie leur luminosité, mais ils la reprennent par desséchement
(Giesel). La luminosité semble se conserver. Au bout de plusieurs
années aucune modification sensible ne semble s'être produite dans
la luminosité de produits faiblement actifs, gardés en tubes scellés à
l'obscurité. Avec du chlorure de baryum radifère, très actif et très
lumineux, la lumière change de teinte au bout de quelques mois;
elle devient plus violacée et s'affaiblit beaucoup; en même temps le
produit subit certaines transformations; en redissolvant le sel dans
l'eau et en le séchant à nouveau, on obtient la luminosité primitive.
Les solutions de sels de baryum radifères, qui contiennent une
forte proportion de radium, sont également lumineuses; on peut
observer ce fait en plaçant la solution dans une capsule de platine
qui, n'étant pas lumineuse elle-même, permet d'apercevoir la
luminosité faible de la solution.
Quand une solution de sel de baryum radifère contient des
cristaux qui s'y sont déposés, ces cristaux sont lumineux au sein de
la solution, et ils le sont bien plus que la solution elle-même, de
sorte que, dans ces conditions, ils semblent seuls lumineux.
M. Giesel a préparé du platinocyanure de baryum radifère. Quand
ce sel vient de cristalliser, il a l'aspect du platinocyanure de baryum
ordinaire, et il est très lumineux. Mais peu à peu le sel se colore
spontanément et prend une teinte brune, en même temps que les
cristaux deviennent dichroïques. A cet état, le sel est bien moins
lumineux, quoique sa radioactivité ait augmenté[81]. Le
platinocyanure de radium, préparé par M. Giesel, s'altère encore bien
plus rapidement.
Les composés de radium constituent le premier exemple de
substances spontanément lumineuses.

Dégagement de chaleur par les sels de radium.—Tout récemment

MM. Curie et Laborde ont trouvé que les sels de radium sont le siège
d'un dégagement de chaleur spontané et continu[82]. Ce dégagement
de chaleur a pour effet de maintenir les sels de radium à une
température plus élevée que la température ambiante; l'excès de
température dépend d'ailleurs de l'isolement thermique de la
substance. Cet excès de température peut être mis en évidence par
une expérience grossière faite au moyen de deux thermomètres à
mercure ordinaires. On utilise deux vases isolateurs thermiques à
vide, identiques entre eux. Dans l'un des vases on place une
ampoule de verre contenant 7dg de bromure de radium pur; dans le
deuxième vase on place une autre ampoule de verre toute pareille
qui contient une substance inactive quelconque, par exemple du
chlorure de baryum. La température de chaque enceinte est
indiquée par un thermomètre dont le réservoir est placé au voisinage
immédiat de l'ampoule. L'ouverture des isolateurs est fermée par du
coton. Quand l'équilibre de température est établi, le thermomètre
qui se trouve dans le même vase que le radium indique
constamment une température supérieure à celle indiquée par
l'autre thermomètre; l'excès de température observé était de 3°.
On peut évaluer la quantité de chaleur dégagée par le radium à
l'aide du calorimètre à glace de Bunsen. En plaçant dans ce
calorimètre une ampoule de verre qui contient le sel de radium, on
constate un apport continu de chaleur qui s'arrête dès qu'on éloigne
le radium. La mesure faite avec un sel de radium préparé depuis
longtemps indique que chaque gramme de radium dégage environ
80 petites calories pendant chaque heure. Le radium dégage donc
pendant une heure une quantité de chaleur suffisante pour fondre
son poids de glace, et un atome gramme (225g) de radium
dégagerait en une heure 18000cal, soit une quantité de chaleur
comparable à celle qui est produite par la combustion d'un atome
gramme (1g) d'hydrogène. Un débit de chaleur aussi considérable ne
saurait être expliqué par aucune réaction chimique ordinaire, et cela
d'autant plus que l'état du radium semble rester le même pendant
des années. On pourrait penser que le dégagement de chaleur est
dû à une transformation de l'atome de radium lui-même,
transformation nécessairement très lente. S'il en était ainsi, on serait
amené à conclure que les quantités d'énergie mises en jeu dans la
formation et dans la transformation des atomes sont considérables
et dépassent tout ce qui nous est connu.
On peut encore évaluer la chaleur dégagée par le radium à
diverses températures en l'utilisant pour faire bouillir un gaz liquéfié
et en mesurant le volume du gaz qui se dégage. On peut faire cette
expérience avec du chlorure de méthyle (à - 21°). L'expérience a été
faite par MM. Dewar et Curie avec l'oxygène liquide (à - 180°) et
avec l'hydrogène liquide (à - 252°). Ce dernier corps convient
particulièrement bien pour réaliser l'expérience. Une éprouvette A,
entourée d'un isolateur thermique à vide, contient de l'hydrogène
liquide H (fig. 10); elle est munie d'un tube de dégagement t qui
permet de recueillir le gaz dans une éprouvette graduée E remplie
d'eau. L'éprouvette A et son isolateur plongent dans un bain
d'hydrogène liquide H'. Dans ces conditions aucun dégagement
gazeux ne se produit dans l'éprouvette A. Lorsque l'on introduit,
dans l'hydrogène liquide contenu dans cette éprouvette, une
ampoule qui contient 7dg de bromure de radium, il se fait un
dégagement continu de gaz, et l'on recueille 73cm³ de gaz par
minute.

Fig. 10.
 Un sel de radium solide qui vient d'être préparé dégage une
quantité de chaleur relativement faible; mais ce débit de chaleur
augmente continuellement et tend vers une valeur déterminée qui
n'est pas encore tout à fait atteinte au bout d'un mois. Quand on
dissout dans l'eau un sel de radium et qu'on enferme la solution en
tube scellé, la quantité de chaleur dégagée par la solution est
d'abord faible; elle augmente ensuite et tend à devenir constante au
bout d'un mois; le débit de chaleur est alors le même que celui dû
au même sel à l'état solide.
Quand on a mesuré à l'aide du calorimètre Bunsen la chaleur
dégagée par un sel de radium contenu dans une ampoule de verre,
certains rayons pénétrants du radium traversent l'ampoule et le
calorimètre sans y être absorbés. Pour voir si ces rayons emportent
une quantité d'énergie appréciable, on peut refaire une mesure en
entourant l'ampoule d'une feuille de plomb de 2mm d'épaisseur; on
trouve que, dans ces conditions, le dégagement de chaleur est
augmenté de 4 pour 100 environ de sa valeur; l'énergie émise par le
radium sous forme de rayons pénétrants n'est donc nullement
négligeable.

Effets chimiques produits par les nouvelles substances

radioactives. Colorations.—Les radiations émises par les substances
fortement radioactives sont susceptibles de provoquer certaines
transformations, certaines réactions chimiques. Les rayons émis par
les produits radifères exercent des actions colorantes sur le verre et
la porcelaine[83].
La coloration du verre, généralement brune ou violette, est très
intense; elle se produit dans la masse même du verre, elle persiste
après l'éloignement du radium. Tous les verres se colorent en un
temps plus ou moins long, et la présence du plomb n'est pas
nécessaire. Il convient de rapprocher ce fait de celui, observé
récemment, de la coloration des verres des tubes à vide producteurs
des rayons de Röntgen après un long usage.
M. Giesel a montré que les sels haloïdes cristallisés des métaux
alcalins (sel gemme, sylvine) se colorent sous l'influence du radium,
comme sous l'action des rayons cathodiques. M. Giesel montre que
l'on obtient des colorations du même genre en faisant séjourner les
sels alcalins dans la vapeur de sodium[84].
J'ai étudié la coloration d'une collection de verres de composition
connue, qui m'a été obligeamment prêtée à cet effet par M. Le
Chatelier. Je n'ai pas observé de grande variété dans la coloration.
Elle est généralement violette, jaune, brune ou grise. Elle semble
liée à la présence des métaux alcalins.
Avec les sels alcalins purs cristallisés on obtient des colorations
plus variées et plus vives; le sel, primitivement blanc, devient bleu,
vert, jaune brun, etc.
M. Becquerel a montré que le phosphore blanc est transformé en
phosphore rouge par l'action du radium.
 Le papier est altéré et coloré par l'action du radium. Il devient
fragile, s'effrite et ressemble enfin à une passoire criblée de trous.
Dans certaines circonstances il y a production d'ozone dans le
voisinage de composés très actifs. Les rayons qui sortent d'une
ampoule scellée, renfermant du radium, ne produisent pas d'ozone
dans l'air qu'ils traversent. Au contraire, une forte odeur d'ozone se
dégage quand on ouvre l'ampoule. D'une manière générale l'ozone
se produit dans l'air, quand il y a communication directe entre celui-
ci et le radium. La communication par un conduit même
extrêmement étroit est suffisante; il semble que la production
d'ozone soit liée à la propagation de la radioactivité induite, dont il
sera question plus loin.
Les composés radifères semblent s'altérer avec le temps, sans
doute sous l'action de leur propre radiation. On a vu plus haut que
les cristaux de chlorure de baryum radifères qui sont incolores au
moment du dépôt prennent peu à peu une coloration tantôt jaune
ou orangée, tantôt rose; cette coloration disparaît par la dissolution.
Le chlorure de baryum radifère dégage des composés oxygénés du
chlore: le bromure dégage du brome. Ces transformations lentes
s'affirment généralement quelque temps après la préparation du
produit solide, lequel, en même temps, change d'aspect et de
couleur, en prenant une teinte jaune ou violacée. La lumière émise
devient aussi plus violacée.
Les sels de radium purs semblent éprouver les mêmes
transformations que ceux qui contiennent du baryum. Toutefois les
cristaux de chlorure, déposés en solution acide, ne se colorent pas
sensiblement pendant un temps qui est suffisant, pour que les
cristaux de chlorure de baryum radifères, riches en radium, prennent
une coloration intense.

Dégagement de gaz en présence des sels de radium.—Une

solution de bromure de radium dégage des gaz d'une manière
continue[85]. Ces gaz sont principalement de l'hydrogène et de
l'oxygène, et la composition du mélange est voisine de celle de l'eau;
on peut admettre qu'il y a décomposition de l'eau en présence du sel
de radium.
Les sels solides de radium (chlorure, bromure) donnent aussi lieu
à un dégagement continu de gaz. Ces gaz remplissent les pores du
sel solide et se dégagent assez abondamment quand on dissout le
sel. On trouve dans le mélange gazeux de l'hydrogène, de l'oxygène,
de l'acide carbonique, de l'hélium; le spectre des gaz présente aussi
quelques raies inconnues[86].
On peut attribuer à des dégagements gazeux deux accidents qui
se sont produits dans les expériences de M. Curie. Une ampoule de
verre mince scellée, remplie presque complètement par du bromure
de radium solide et sec, a fait explosion deux mois après la
fermeture sous l'effet d'un faible échauffement; l'explosion était
probablement due à la pression du gaz intérieur. Dans une autre
expérience une ampoule contenant du chlorure de radium préparé
depuis longtemps communiquait avec un réservoir d'assez grand
volume dans lequel on maintenait un vide très parfait. L'ampoule
ayant été soumise à un échauffement assez rapide vers 300°, le sel
fit explosion; l'ampoule fut brisée, et le sel fut projeté à distance; il
ne pouvait y avoir de pression notable dans l'ampoule au moment de
l'explosion. L'appareil avait d'ailleurs été soumis à un essai de
chauffage dans les mêmes conditions en l'absence du sel de radium,
et aucun accident ne s'était produit.
Ces expériences montrent qu'il y a danger à chauffer du sel de
radium préparé depuis longtemps et qu'il y a aussi danger à
conserver pendant longtemps du radium en tube scellé.

Production de thermoluminescence.—Certains corps, tels que la

fluorine, deviennent lumineux quand on les chauffe; ils sont
thermoluminescents; leur luminosité s'épuise au bout de quelque
temps; mais la faculté de devenir de nouveau lumineux par la
chaleur est restituée à ces corps par l'action d'une étincelle et aussi
par l'action du radium. Le radium peut donc restituer à ces corps
leurs propriétés thermoluminescentes[87]. Lors de la chauffe la
fluorine éprouve une transformation qui est accompagnée d'une
émission de lumière. Quand la fluorine est ensuite soumise à l'action
du radium, une transformation se refait en sens inverse, et elle est
encore accompagnée d'une émission de lumière.
Un phénomène absolument analogue se produit pour le verre
exposé aux rayons du radium. Là aussi une transformation se
produit dans le verre, pendant qu'il est lumineux sous l'action des
rayons du radium; cette transformation est mise en évidence par la
coloration qui apparaît et augmente progressivement. Quand on
chauffe ensuite le verre ainsi modifié, la transformation inverse se
produit, la coloration disparaît, et ce phénomène est accompagné de
production de lumière. Il paraît fort probable qu'il y a là une
modification de nature chimique, et la production de lumière est liée
à cette modification. Ce phénomène pourrait être général. Il pourrait
se faire que la production de fluorescence par l'action du radium et
la luminosité des substances radifères fussent nécessairement liées à
un phénomène de transformation chimique ou physique de la
substance qui émet la lumière.

Radiographies.—L'action radiographique des nouvelles substances

radioactives est très intense. Toutefois la manière d'opérer doit être
très différente avec le polonium et le radium. Le polonium n'agit qu'à
très petite distance, et son action est considérablement affaiblie par
des écrans solides; il est facile de la supprimer pratiquement au
moyen d'un écran peu épais (1mm de verre). Le radium agit à des
distances considérablement plus grandes. L'action radiographique
des rayons du radium s'observe à plus de 2m de distance dans l'air,
et cela même quand le produit radiant est enfermé dans une
ampoule de verre. Les rayons qui agissent dans ces conditions
appartiennent aux groupes β et γ. Grâce aux différences qui existent
entre la transparence de diverses matières pour les rayons, on peut,
comme avec les rayons Röntgen, obtenir des radiographies de divers
objets. Les métaux sont, en général, opaques, sauf l'aluminium qui
est très transparent. Il n'existe pas de différence de transparence
notable entre les chairs et les os. On peut opérer à grande distance
et avec des sources de très petites dimensions; on a alors des
radiographies très fines. Il est très avantageux, pour la beauté des
radiographies, de renvoyer les rayons β de côté, au moyen d'un
champ magnétique, et de n'utiliser que les rayons γ. Les rayons β,
en traversant l'objet à radiographier, éprouvent, en effet, une
certaine diffusion et occasionnent un certain flou. En les supprimant,
on est obligé d'employer des temps de pose plus grands, mais les
résultats sont meilleurs. La radiographie d'un objet, tel qu'un porte-
monnaie, demande un jour avec une source radiante constituée par
quelques centigrammes de sel de radium, enfermé dans une
ampoule de verre et placé à 1m de la plaque sensible, devant
laquelle se trouve l'objet. Si la source est à 20cm de distance de la
plaque, le même résultat est obtenu en une heure. Au voisinage
immédiat de la source radiante, une plaque sensible est
instantanément impressionnée.

Fig. 11.
 Radiographie obtenue avec les rayons du
radium.

Effets physiologiques.—Les rayons du radium exercent une action

sur l'épiderme. Cette action a été observée par M. Walkhoff et
confirmée par M. Giesel, puis par MM. Becquerel et Curie[88].
Si l'on place sur la peau une capsule en celluloïd ou en
caoutchouc mince renfermant un sel de radium très actif et qu'on l'y
laisse pendant quelque temps, une rougeur se produit sur la peau,
soit de suite, soit au bout d'un temps qui est d'autant plus long que
l'action a été plus faible et moins prolongée; cette tache rouge
apparaît à l'endroit qui a été exposé à l'action; l'altération locale de
la peau se manifeste et évolue comme une brûlure. Dans certains
cas il se forme une ampoule. Si l'exposition a été prolongée, il se
produit une ulcération très longue à guérir. Dans une expérience, M.
Curie a fait agir sur son bras un produit radiant relativement peu
actif pendant 10 heures. La rougeur se manifesta de suite, et il se
forma plus tard une plaie qui mit 4 mois à guérir. L'épiderme a été
détruit localement, et n'a pu se reconstituer à l'état sain que
lentement et péniblement avec formation d'une cicatrice très
marquée. Une brûlure au radium avec exposition d'une demi-heure
apparut au bout de 15 jours, forma une ampoule et guérit en 15
jours. Une autre brûlure, faite avec une exposition de 8 minutes
seulement, occasionna une tache rouge qui apparut au bout de 2
mois seulement et son effet fut insignifiant.
L'action du radium sur la peau peut se produire à travers les
métaux, mais elle est affaiblie. Pour se garantir de l'action, il faut
éviter de garder longtemps le radium sur soi autrement
qu'enveloppé dans une feuille de plomb.

L'action du radium sur la peau a été étudiée par M. le Dr Danlos,

à l'hôpital Saint-Louis, comme procédé de traitement de certaines
maladies de la peau, procédé comparable au traitement par les
rayons Röntgen ou la lumière ultra-violette. Le radium donne à ce
point de vue des résultats encourageants; l'épiderme partiellement
détruit par l'action du radium se reforme à l'état sain. L'action du
radium est plus profonde que celle de la lumière, et son emploi est
plus facile que celui de la lumière ou des rayons Röntgen. L'étude
des conditions de l'application est nécessairement un peu longue,
parce qu'on ne peut se rendre compte immédiatement de l'effet de
l'application.
M. Giesel a remarqué l'action du radium sur les feuilles des
plantes. Les feuilles soumises à l'action jaunissent et s'effritent.
M. Giesel a également découvert l'action des rayons du radium
sur l'œil[89]. Quand on place dans l'obscurité un produit radiant au
voisinage de la paupière fermée ou de la tempe, on a la sensation
d'une lumière qui remplit l'œil. Ce phénomène a été étudié par MM.
Himstedt et Nagel[90]. Ces physiciens ont montré que tous les milieux
de l'œil deviennent fluorescents par l'action du radium, et c'est ce
qui explique la sensation de lumière perçue. Les aveugles chez
lesquels la rétine est intacte, sont sensibles à l'action du radium,
tandis que ceux dont la rétine est malade n'éprouvent pas la
sensation lumineuse due aux rayons.
Les rayons du radium empêchent ou entravent le développement
des colonies microbiennes, mais cette action n'est pas très
intense[91].
Récemment, M. Danysz a montré que les rayons du radium
agissent énergiquement sur la moelle et sur le cerveau. Après une
action d'une heure, des paralysies se produisent chez les animaux
soumis aux expériences, et ceux-ci meurent généralement au bout
de quelques jours[92].

Action de la température sur le rayonnement.—On n'a encore

que peu de renseignements sur la manière dont varie l'émission des
corps radioactifs avec la température. Nous savons cependant que
l'émission subsiste aux basses températures. M. Curie a placé dans
l'air liquide un tube de verre qui contenait du chlorure de baryum
radifère[93]. La luminosité du produit radiant persiste dans ces
conditions. Au moment où l'on retire le tube de l'enceinte froide, il
paraît même plus lumineux qu'à la température ambiante. A la
température de l'air liquide, le radium continue à exciter la
fluorescence du sulfate d'uranyle et de potassium. M. Curie a vérifié
par des mesures électriques que le rayonnement, mesuré à une
certaine distance de la source radiante, possède la même intensité
quand le radium est à la température ambiante, ou quand il est dans
une enceinte à la température de l'air liquide. Dans ces expériences,
le radium était placé au fond d'un tube fermé à un bout. Les rayons
sortaient du tube par le bout ouvert, traversaient un certain espace
d'air et étaient recueillis dans un condensateur. On mesurait l'action
des rayons sur l'air du condensateur, soit en laissant le tube dans
l'air, soit en l'entourant d'air liquide jusqu'à une certaine hauteur. Le
résultat obtenu était le même dans les deux cas.
Quand on porte le radium à une température élevée, sa
radioactivité subsiste. Le chlorure de baryum radifère qui vient d'être
fondu (vers 800°) est radioactif et lumineux. Toutefois, une chauffe
prolongée à température élevée a pour effet d'abaisser
temporairement la radioactivité du produit. La baisse est très
importante, elle peut constituer 75 pour 100 du rayonnement total.
La baisse proportionnelle est moins grande sur les rayons
absorbables que sur les rayons pénétrants, qui sont sensiblement
supprimés par la chauffe. Avec le temps, le rayonnement du produit
reprend l'intensité et la composition qu'il avait avant la chauffe; ce
résultat est atteint au bout de 2 mois environ à partir de la chauffe.
 CHAPITRE IV.
~~~~

LA RADIOACTIVITÉ INDUITE.

Communication de la radioactivité à des substances

primitivement inactives.—Au cours de nos recherches sur les
substances radioactives, nous avons remarqué, M. Curie et moi, que
toute substance qui séjourne pendant quelque temps au voisinage
d'un sel radifère devient elle-même radioactive[94]. Dans notre
première publication à ce sujet, nous nous sommes attachés à
prouver que la radioactivité, ainsi acquise par des substances
primitivement inactives, n'est pas due à un transport de poussières
radioactives qui seraient venues se poser à la surface de ces
substances. Ce fait, actuellement certain, est prouvé en toute
évidence par l'ensemble des expériences qui seront décrites ici, et
notamment par les lois suivant lesquelles la radioactivité provoquée
dans les substances naturellement inactives disparaît quand on
soustrait ces substances à l'action du radium.
Nous avons donné au phénomène nouveau ainsi découvert le
nom de radioactivité induite.
Dans la même publication, nous avons indiqué les caractères
essentiels de la radioactivité induite. Nous avons activé des lames de
substances diverses, en les plaçant au voisinage de sels radifères
solides et nous avons étudié la radioactivité de ces lames par la
méthode électrique. Nous avons observé ainsi les faits suivants:
 1º L'activité d'une lame exposée à l'action du radium augmente
avec le temps de l'exposition en se rapprochant d'une certaine limite,
suivant une loi asymptotique.
2º L'activité d'une lame qui a été activée par l'action du radium et
qui a été ensuite soustraite à cette action disparaît en quelques
jours. Cette activité induite tend vers zéro en fonction du temps,
suivant une loi asymptotique.
3º Toutes conditions égales d'ailleurs, la radioactivité induite par
un même produit radifère sur diverses lames est indépendante de la
nature de la lame. Le verre, le papier, les métaux s'activent avec la
même intensité.
4º La radioactivité induite sur une même lame par divers produits
radifères a une valeur limite d'autant plus élevée que le produit est
plus actif.
Peu de temps après, M. Rutherford publia un travail, duquel il
résulte que les composés du thorium sont capables de produire le
phénomène de la radioactivité induite[95]. M. Rutherford trouva pour
ce phénomène les mêmes lois que celles qui viennent d'être
exposées, et il découvrit en plus ce fait important, que les corps
chargés d'électricité négative s'activent plus énergiquement que les
autres. M. Rutherford observa d'ailleurs que l'air qui a passé sur de
l'oxyde de thorium conserve pendant 10 minutes environ une
conductibilité notable. L'air qui est dans cet état communique la
radioactivité induite à des substances inactives, surtout à celles
chargées négativement. M. Rutherford interprète ses expériences en
admettant que les composés du thorium, et surtout l'oxyde,
émettent une émanation radioactive particulière, susceptible d'être
entraînée par les courants d'air et chargée d'électricité positive.
Cette émanation serait la cause de la radioactivité induite. M. Dorn a
reproduit, avec les sels de baryum radifères, les expériences que M.
Rutherford avait faites avec de l'oxyde de thorium[96].
 M. Debierne a montré que l'actinium provoque, d'une façon
extrêmement intense, l'activité induite des corps placés dans son
voisinage. De même que pour le thorium, il se produit un
entraînement considérable de l'activité par les courants d'air[97].
La radioactivité induite se présente sous des aspects très variés,
et quand on produit l'activation d'une substance au voisinage du
radium à l'air libre, on obtient des résultats irréguliers. MM. Curie et
Debierne ont remarqué que le phénomène est, au contraire, très
régulier quand on opère en vase clos; ils ont donc étudié l'activation
en enceinte fermée[98].

Activation en enceinte fermée.—La radioactivité induite est à la

fois plus intense et plus régulière quand on opère en vase clos. La
matière active est placée dans une petite ampoule en verre a
ouverte en o (fig. 11) au milieu d'une enceinte close. Diverses
plaques A, B, C, D, E placées dans l'enceinte deviennent radioactives
au bout d'un jour d'exposition. L'activité est la même, quelle que soit
la nature de la plaque, à dimensions égales plomb, cuivre,
aluminium, verre, ébonite, cire, carton, paraffine. L'activité d'une
face de l'une des lames est d'autant plus grande, que l'espace libre
en regard de cette face est plus grand.
Si l'on répète l'expérience précédente avec l'ampoule a
complètement fermée, on n'obtient aucune activité induite.
Le rayonnement du radium n'intervient pas directement dans la
production de la radioactivité induite. C'est ainsi que, dans
l'expérience précédente, la lame D, protégée du rayonnement par
l'écran en plomb épais PP, est activée autant que B et E.

Fig. 12.
 La radioactivité se transmet par l'air de proche en proche depuis
la matière radiante jusqu'au corps à activer. Elle peut même se
transmettre au loin par des tubes capillaires très étroits.
La radioactivité induite est à la fois plus intense et plus régulière,
si l'on remplace le sel radifère activant solide par sa dissolution
aqueuse.
Les liquides sont susceptibles d'acquérir la radioactivité induite.
On peut, par exemple, rendre radioactive l'eau pure, en la plaçant
dans un vase à l'intérieur d'une enceinte close qui renferme
également une solution d'un sel radifère.
Certaines substances deviennent lumineuses, quand on les place
dans une enceinte activante (corps phosphorescents et fluorescents,
verre, papier, coton, eau, solutions salines). Le sulfure de zinc
phosphorescent est particulièrement brillant dans ces conditions. La
radioactivité de ces corps lumineux est cependant la même que celle
d'un morceau de métal ou autre corps qui s'active dans les mêmes
conditions sans devenir lumineux.
Quelle que soit la substance que l'on active en vase clos, cette
substance prend une activité qui augmente avec le temps et finit par
atteindre une valeur limite, toujours la même, quand on opère avec
la même matière activante et le même dispositif expérimental.
 La radioactivité induite limite est indépendante de la nature et de
la pression du gaz qui se trouve dans l'enceinte activante (air,
hydrogène, acide carbonique).
La radioactivité induite limite dans une même enceinte dépend
seulement de la quantité de radium qui s'y trouve à l'état de
solution, et semble lui être proportionnelle.

Rôle des gaz dans les phénomènes de radioactivité induite.

Émanation.—Les gaz présents dans une enceinte qui renferme un sel
solide ou une solution de sel de radium sont radioactifs. Cette
radioactivité persiste si l'on aspire les gaz avec une trompe et qu'on
les recueille dans une éprouvette. Les parois de l'éprouvette
deviennent alors elles-mêmes radioactives, et le verre de
l'éprouvette est lumineux dans l'obscurité. L'activité et la luminosité
de l'éprouvette disparaissent ensuite complètement, mais fort
lentement, et l'on peut au bout d'un mois constater encore la
radioactivité.
Dès le début de nos recherches, nous avons, M. Curie et moi,
extrait en chauffant la pechblende un gaz fortement radioactif, mais,
comme dans l'expérience précédente, l'activité de ce gaz avait fini
par disparaître complètement[99].
Ainsi, pour le thorium, le radium, l'actinium, la radioactivité
induite se propage de proche en proche à travers les gaz, depuis le
corps actif jusqu'aux parois de l'enceinte qui le renferme, et la
propriété activante est entraînée avec le gaz lui-même, quand on
extrait celui-ci de l'enceinte.
Quand on mesure la radioactivité de matières radifères par la
méthode électrique au moyen de l'appareil (fig. 1) l'air entre les
plateaux devient également radioactif; cependant, en envoyant un
courant d'air entre les plateaux, on n'observe pas de baisse notable
dans l'intensité du courant, ce qui prouve que la radioactivité
répandue dans l'espace entre les plateaux est peu importante par
rapport à celle du radium lui-même à l'état solide.
 Il en est tout autrement dans le cas du thorium. Les irrégularités
que j'avais observées en mesurant la radioactivité des composés du
thorium provenaient du fait qu'à cette époque je travaillais avec un
condensateur ouvert à l'air; or le moindre courant d'air produit un
changement considérable dans l'intensité du courant, parce que la
radioactivité répandue dans l'espace au voisinage du thorium est
importante par rapport à la radioactivité de la substance.
Cet effet est encore bien plus marqué pour l'actinium. Un
composé très actif d'actinium paraît beaucoup moins actif quand on
envoie un courant d'air sur la substance.
L'énergie radioactive est donc renfermée dans les gaz sous une
forme spéciale. M. Rutherford suppose que certains corps radioactifs
dégagent constamment un gaz matériel radioactif qu'il appelle
émanation. C'est ce gaz qui aurait la propriété de rendre radioactifs
les corps qui se trouvent dans l'espace où il est répandu. Les corps
qui émettent de l'émanation sont le radium, le thorium et l'actinium.

Désactivation à l'air libre des corps solides activés.—Un corps

solide, qui a été activé par le radium dans une enceinte activante
pendant un temps suffisant, et qui a été ensuite retiré de l'enceinte,
se désactive à l'air libre suivant une loi d'allure exponentielle qui est
la même pour tous les corps et qui est représentée par la formule
suivante[100]:

I0 étant l'intensité initiale du rayonnement au moment où l'on retire

la lame de l'enceinte, I l'intensité au temps t; a est un coefficient
numérique a = 4.20; Θ1 et Θ2 sont des constantes de temps:
Θ1 = 2420 secondes, Θ2 = 1860 secondes. Au bout de 2 ou 3
heures cette loi se réduit sensiblement à une exponentielle simple:
l'influence de la seconde exponentielle sur la valeur de I ne se fait
plus sentir. La loi de désactivation est alors telle que l'intensité du
rayonnement baisse de la moitié de sa valeur en 28 minutes. Cette
loi finale peut être considérée comme caractéristique de la
désactivation à l'air libre des corps solides activés par le radium.
Les corps solides activés par l'actinium se désactivent à l'air libre
suivant une loi exponentielle voisine de la précédente. Mais
cependant la désactivation est un peu plus lente[101].
Les corps solides activés par le thorium se désactivent beaucoup
plus lentement; l'intensité du rayonnement baisse de moitié en 11
heures[102].

Désactivation en enceinte close. Vitesse de destruction de

l'émanation[103].—Une enceinte fermée activée par le radium et
soustraite ensuite à son action, se désactive suivant une loi
beaucoup moins rapide que celle de la désactivation à l'air libre. On
peut, par exemple, faire l'expérience avec un tube en verre que l'on
active intérieurement, en le mettant pendant un certain temps en
communication avec une solution d'un sel de radium. On scelle
ensuite le tube à la lampe, et l'on mesure l'intensité du rayonnement
émis à l'extérieur par les parois du tube, pendant que la
désactivation se produit.
La loi de désactivation est une loi exponentielle. Elle est donnée
avec une grande exactitude par la formule

I0 intensité du rayonnement initial;

I, intensité du rayonnement au temps t;

Θ, une constante de temps Θ = 4.970 × 105 secondes.

L'intensité du rayonnement diminue de moitié en 4 jours.
Cette loi de désactivation est absolument invariable, quelles que
soient les conditions de l'expérience (dimensions de l'enceinte,
nature des parois, nature du gaz dans l'enceinte, durée de
l'activation, etc.). La loi de désactivation reste la même, quelle que
soit la température entre - 180° et + 450°. Cette loi de désactivation
est donc tout à fait caractéristique et pourrait servir à définir un
étalon de temps absolument indépendant.
Dans ces expériences, c'est l'énergie radioactive accumulée dans
le gaz qui entretient l'activité des parois. Si, en effet, on supprime le
gaz en faisant le vide dans l'enceinte, on constate que les parois se
désactivent ensuite suivant le mode rapide de désactivation,
l'intensité du rayonnement diminuant de moitié en 28 minutes. Ce
même résultat est obtenu en substituant dans l'enceinte de l'air
ordinaire à l'air activé.
La loi de désactivation avec baisse de moitié en 4 jours est donc
caractéristique de la disparition de l'énergie radioactive accumulée
dans le gaz. Si l'on se sert de l'expression adoptée par M.
Rutherford, on peut dire que l'émanation du radium disparaît
spontanément en fonction du temps avec baisse de moitié en 4
jours.
L'émanation du thorium est d'une autre nature et disparaît
beaucoup plus rapidement. Le pouvoir d'activation diminue de moitié
en 1 minute 10 secondes environ.
L'émanation de l'actinium disparaît encore plus rapidement; la
baisse de moitié a lieu en quelques secondes.
MM. Elster et Geitel ont montré qu'il existe toujours dans l'air
atmosphérique, en très faible proportion, une émanation radioactive
analogue à celles émises par les corps radioactifs. Des fils
métalliques tendus dans l'air et maintenus à un potentiel négatif
s'activent sous l'influence de cette émanation. L'air que l'on aspire au
moyen d'un tube enfoncé dans le sol est particulièrement chargé
d'émanation[104]. L'origine de cette émanation est encore inconnue.
L'air extrait de certaines eaux minérales contient de l'émanation
tandis que l'air contenu dans l'eau de la mer et des rivières en est à
peu près exempt.

Nature des émanations.—Suivant M. Rutherford l'émanation d'un

corps radioactif est un gaz matériel radioactif qui s'échappe de ce
corps. En effet, à bien des points de vue, l'émanation du radium se
comporte comme un gaz ordinaire.
Quand on met en communication deux réservoirs en verre dont
l'un contient de l'émanation tandis que l'autre n'en contient pas,
l'émanation passe en se diffusant dans le deuxième réservoir, et
quand l'équilibre est établi, on constate que l'émanation s'est
partagée entre les deux réservoirs comme le ferait un gaz ordinaire:
si les deux réservoirs sont à la même température, l'émanation se
partage entre eux dans le rapport de leurs volumes; s'ils sont à des
températures différentes, elle se partage entre eux comme un gaz
parfait obéissant aux lois de Mariotte et de Gay-Lussac. Pour établir
ce résultat il suffit de mesurer le rayonnement du premier réservoir
avant et après le partage; ce rayonnement est proportionnel à la
quantité d'émanation contenue dans le réservoir. Mais, comme la
diffusion de l'émanation demande un certain temps jusqu'à ce que
l'équilibre soit établi, il est nécessaire, pour l'exactitude du calcul
relatif à l'expérience, de tenir compte de la destruction spontanée de
l'émanation avec le temps[105].
L'émanation du radium se diffuse le long d'un tube étroit suivant
les lois de la diffusion des gaz, et son coefficient de diffusion est
comparable à celui de l'acide carbonique[106].
MM. Rutherford et Soddy ont montré que les émanations du
radium et du thorium se condensent à la température de l'air liquide,
comme le feraient des gaz qui seraient liquéfiables à cette
température. Un courant d'air chargé d'émanation perd ses
propriétés radioactives en traversant un serpentin qui plonge dans
l'air liquide; l'émanation reste condensée dans le serpentin, et elle se
retrouve à l'état gazeux quand on réchauffe celui-ci. L'émanation du
radium se condense à - 150°, celle du thorium à une température
comprise entre - 100° et - 150°[107]. On peut faire l'expérience
suivante: deux réservoirs de verre fermés, l'un grand, l'autre petit,
communiquent ensemble par un tube court muni d'un robinet; ils
sont remplis de gaz activé par le radium et sont par suite tous les
deux lumineux. On plonge le petit réservoir dans l'air liquide, toute
l'émanation s'y condense; au bout d'un certain temps on sépare les
deux réservoirs l'un de l'autre en fermant le robinet, et l'on retire
ensuite le petit réservoir de l'air liquide. On constate que c'est le
petit réservoir qui contient toute l'activité. Pour s'en assurer il suffit
d'observer la phosphorescence du verre des deux réservoirs. Le
grand réservoir n'est plus lumineux, tandis que le petit est plus
lumineux qu'au début de l'expérience. L'expérience est
particulièrement brillante si l'on a eu soin d'enduire les parois des
deux réservoirs de sulfure de zinc phosphorescent.
Toutefois, si l'émanation du radium est tout à fait comparable à
un gaz liquéfiable, la température de condensation par
refroidissement devrait être fonction de la quantité d'émanation
contenue dans un certain volume d'air; ce qui n'a pas été signalé.
On doit aussi faire remarquer que l'émanation passe avec une
grande facilité à travers les trous ou les fissures les plus ténues des
corps solides, dans des conditions où les gaz matériels ordinaires ne
peuvent circuler qu'avec une lenteur extrême.
Enfin, l'émanation du radium se distingue d'un gaz matériel
ordinaire en ce qu'elle se détruit spontanément quand elle est
enfermée en tube de verre scellé; tout au moins observe-t-on, dans
ces conditions, la disparition de la propriété radioactive. Cette
propriété radioactive est d'ailleurs encore actuellement la seule qui
caractérise l'émanation à notre connaissance, car jusqu'à présent on
n'a encore établi avec certitude ni l'existence d'un spectre
caractéristique de l'émanation, ni une pression due à l'émanation.
Toutefois tout récemment MM. Ramsay et Soddy ont observé,
dans le spectre des gaz extraits du radium, des raies nouvelles qui
pourraient, à leur avis, appartenir à l'émanation du radium. Ils ont
aussi constaté que les gaz extraits du radium contiennent de
l'hélium, et que ce dernier gaz se forme spontanément en présence
de l'émanation du radium[108]. Si ces résultats, dont l'importance est
considérable, se confirment, on pourra être amené à considérer
l'émanation comme un gaz matériel instable, et l'hélium serait peut-
être un des produits de la désagrégation de ce gaz.
Les émanations du radium et du thorium ne semblent pas être
altérées par divers agents chimiques très énergiques, et pour cette
raison MM. Rutherford et Soddy les assimilent à des gaz de la famille
de l'argon[109].

Variation d'activité des liquides activés et des solutions radifères.

—Un liquide quelconque devient radioactif lorsqu'il est placé dans un
vase dans une enceinte activante. Si l'on retire le liquide de
l'enceinte et qu'on le laisse à l'air libre, il se désactive rapidement en
transmettant son activité aux gaz et aux corps solides qui
l'entourent. Si l'on enferme un liquide activé dans un flacon fermé, il
se désactive bien plus lentement et l'activité baisse alors de moitié
en 4 jours, comme cela arriverait pour un gaz activé enfermé dans
un vase clos. On peut expliquer ce fait en admettant que l'énergie
radioactive est emmagasinée dans les liquides sous une forme
identique à celle sous laquelle elle est emmagasinée dans un gaz
(sous forme d'émanation).
Une dissolution d'un sel radifère se comporte en partie d'une
façon analogue. Tout d'abord, il est fort remarquable que la solution
d'un sel de radium, qui est placée depuis quelque temps dans une
enceinte close, n'est pas plus active que de l'eau pure placée dans
un vase contenu dans la même enceinte, lorsque l'équilibre d'activité
s'est établi. Si l'on retire de l'enceinte la solution radifère et qu'on la
laisse à l'air dans un vase largement ouvert, l'activité se répand dans
l'espace, et la solution devient à peu près inactive, bien qu'elle
contienne toujours le radium. Si alors on enferme cette solution
désactivée dans un flacon fermé, elle reprend peu à peu, en une
quinzaine de jours, une activité limite qui peut être considérable. Au
contraire, un liquide activé qui ne renferme pas de radium et qui a
été désactivé à l'air libre, ne reprend pas son activité quand on le
met dans un flacon fermé.

Théorie de la radioactivité.—Voici, d'après MM. Curie et Debierne,

une théorie très générale qui permet de coordonner les résultats de
l'étude de la radioactivité induite, résultats que je viens d'exposer et
qui constituent des faits indépendants de toute hypothèse[110].
On peut admettre que chaque atome de radium fonctionne
comme une source continue et constante d'énergie, sans qu'il soit,
d'ailleurs, nécessaire de préciser d'où vient cette énergie. L'énergie
radioactive qui s'accumule dans le radium tend à se dissiper de deux
façons différentes: 1º par rayonnement (rayons chargés et non
chargés d'électricité); 2º par conduction, c'est-à-dire par
transmission de proche en proche aux corps environnants, par
l'intermédiaire des gaz et des liquides (dégagement d'émanation et
transformation en radioactivité induite).
La perte d'énergie radioactive, tant par rayonnement que par
conduction, croît avec la quantité d'énergie accumulée dans le corps
radioactif. Un équilibre de régime doit s'établir nécessairement
quand, la double perte, dont je viens de parler, compense l'apport
continu fait par le radium. Cette manière de voir est analogue à celle
qui est en usage dans les phénomènes calorifiques. Si, dans
l'intérieur d'un corps, il se fait, pour une raison quelconque, un
dégagement continu et constant de chaleur, la chaleur s'accumule
dans le corps, et la température s'élève, jusqu'à ce que la perte de
chaleur par rayonnement et par conduction fasse équilibre à l'apport
continu de chaleur.
En général, sauf dans certaines conditions spéciales, l'activité ne
se transmet pas de proche en proche à travers les corps solides.
Lorsqu'on conserve une dissolution en tube scellé, la perte par
rayonnement subsiste seule, et l'activité radiante de la dissolution
prend une valeur élevée.
Welcome to our website – the ideal destination for book lovers and
knowledge seekers. With a mission to inspire endlessly, we offer a
vast collection of books, ranging from classic literary works to
specialized publications, self-development books, and children's
literature. Each book is a new journey of discovery, expanding
knowledge and enriching the soul of the reade

Our website is not just a platform for buying books, but a bridge
connecting readers to the timeless values of culture and wisdom. With
an elegant, user-friendly interface and an intelligent search system,
we are committed to providing a quick and convenient shopping
experience. Additionally, our special promotions and home delivery
services ensure that you save time and fully enjoy the joy of reading.

Let us accompany you on the journey of exploring knowledge and

personal growth!

textbookfull.com