一种用于重离子碰撞事件定向的神经网络方法
核理论
2023-12-08 v2
摘要
本文详述了一种基于卷积神经网络的分类器，通过整合多个典型实验可观测量来追溯形变核-核碰撞的初始取向。采用同位旋依赖的Boltzmann-Uehling-Uhlenbeck输运模型，在下生成超中心铀-铀碰撞随机取向的数据。从统计上看，数据驱动的极化方案本质上由该分类器完成，其不同类别筛选出特定取向偏置的碰撞事件。这将推进基于形变核的核对称能、中子皮等研究。
引用
@article{arxiv.2308.15796,
title = {A Neural Network Approach for Orienting Heavy-Ion Collision Events},
author = {Zu-Xing Yang and Xiao-Hua Fan and Zhi-Pan Li and Shunji Nishimura},
journal= {arXiv preprint arXiv:2308.15796},
year = {2023}
}