基于深度学习的 QCD 相变状态方程指示器
高能物理 - 唯象学
2017-08-03 v3 机器学习
高能物理 - 理论
核理论
机器学习
摘要
利用深度卷积神经网络进行监督学习，从模拟的末态粒子谱 ρ(p_T,Φ) 中识别相对论流体动力学模拟重离子碰撞时所采用的 QCD 状态方程（EoS）。神经网络学习到的 ρ(p_T,Φ) 高阶关联充当了一个有效的“EoS 指示器”，用于探测 QCD 相变的性质。该 EoS 指示器与模型无关，且对其他模拟输入（尤其是初始条件）不敏感。因此，它提供了重离子碰撞可观测量与 QCD 体性质之间的强大直接联系。
引用
@article{arxiv.1612.04262,
title = {An equation-of-state-meter of QCD transition from deep learning},
author = {Long-Gang Pang and Kai Zhou and Nan Su and Hannah Petersen and Horst Stöcker and Xin-Nian Wang},
journal= {arXiv preprint arXiv:1612.04262},
year = {2017}
}