区分三角奇点与极点增强的深度学习框架

不变质量分布或散射截面的增强通常与共振态相关。然而，由于实验不确定性的存在，目前在强子-强子阈值附近发现的奇特信号的本质仍是一个谜。事实上，纯粹的动力学三角图也能产生类似的结构，但并不对应任何不稳定的量子态。在本文中，我们首次报告，可以训练深度神经网络来区分三角奇点与极点增强，对这两种看似相同的线形具有相当高的判别准确率。我们还识别出了可能被误认为动力学极点结构的三角增强类型。我们应用该方法确认 $P_\psi^N(4312)^+$ 态并非源于三角奇点，而是更符合极点解释，这一结论仅通过纯线形分析得出。最后，我们说明了该方法如何用作模型选择框架，以用于研究其他奇特强子候选者。