基于 PointNet 的 CBM 状态方程判别器
高能物理 - 唯象学
2021-10-26 v2 核实验
核理论
摘要
介绍了一种在重离子碰撞实验中识别 QCD 相变性质的新方法。我们开发了基于 PointNet 的深度学习 (DL) 模型，以分类在 10 AGeV 的 Au-Au 碰撞中驱动系统流体动力学演化的状态方程 (EoS)。这些 DL 模型在不同的假设实验情形下进行了训练与评估。当考虑更真实的实验效应（接收度截断与分辨率下降）时，观察到性能下降。研究表明，通过组合多个事件进行预测可改善性能。基于 CBM 探测器模拟的带电粒子重建径迹训练的 PointNet 模型，以高达 99.8% 的准确率区分了交叉相变与一级相变。这些模型经过多项测试，以评估其性能对碰撞中心度及流体动力学模拟物理参数的依赖。结果表明，模型在较宽的中心度范围（b=0–7 fm）内均有效。然而，性能在中心碰撞（b=0–3 fm）中有所提升。当模型参数导致流体动力学演化持续时间缩短或发生相变的介质比例减小时，性能出现下降。这些效应源于底层物理的局限性，且 DL 模型在判别性能上优于常规平均可观测量。
引用
@article{arxiv.2107.05590,
title = {An equation-of-state-meter for CBM using PointNet},
author = {Manjunath Omana Kuttan and Kai Zhou and Jan Steinheimer and Andreas Redelbach and Horst Stoecker},
journal= {arXiv preprint arXiv:2107.05590},
year = {2021}
}
备注
12 pages, 7 figures. Matches published version