基于深度学习的离子碰撞中轻粒子椭圆流量估计器

我们开发了一个深度学习前馈网络，用于从 RHIC 到 LHC 能量范围内的重离子碰撞中估计椭圆流量 ($v_2$) 系数。该模型的最大成功之处在于能够从最终状态粒子的动力学信息中估计 $v_2$，并学习 $v_2$ 在宽广 $p_{\rm T}$ 区间的中心度和横向动量 ($p_{\rm T}$) 依赖性。该深度学习模型使用在 $\sqrt{s_{\rm NN}} = 5.02$ TeV 最小偏置事件下的 AMPT 生成的 Pb-Pb 碰撞进行训练。我们present 了来自 various LHC 能量下 Pb-Pb 碰撞中 $\pi^{\pm}$、$\rm K^{\pm}$ 和 $\rm p+\bar{p}$ 的 $v_2$ 估计值。这些结果与可获得的实验数据进行了比较。