基于深度学习分析隐藏-charm pentaquark作为三角奇点
高能物理 - 唯象学
2024-11-28 v2
摘要
确定近阈值增强现象的本质受限于实验数据分辨率的限制，导致多种相互冲突的解释。LHCb于2019年观察到的一组pentaquark信号就是一个模糊的例子。这些信号中的一些可以解释为 hadronic molecule、紧凑态、虚拟态或由 kinematic 三角机制引起。在本工作中，我们利用深度神经网络的模型选择能力来分析和识别 的本质。我们使用由三角奇点产生的增强线型和由靠近的极点产生的线型进行训练的深度神经网络组。三角增强的训练数据集是通过满足所需质量条件的 hadrons 生成的。极点分类的训练线型是使用 uniformized independent -矩阵极点配置，以 appear 接近相关阈值。我们发现，尽管存在实验不确定性，三角机制被实验数据排除。结果也表明，数据更倾向于 的极点阴影对解释，这对应于一个特征性的极点结构，涉及两个通道散射系统中的共振。我们的結果與LHCb最初的分析一致，后者偏好Berit-Wigner 拟合优于三角奇点。本次分析提供了一种研究线型的替代方法，补充了标准拟合方法。
引用
@article{arxiv.2411.14044,
title = {Analysis of hidden-charm pentaquarks as triangle singularities via deep learning},
author = {Darwin Alexander O. Co and Denny Lane B. Sombillo},
journal= {arXiv preprint arXiv:2411.14044},
year = {2024}
}
备注
6 pages, 3 figures, 2 tables; Contribution to the proceedings of the 10th International Conference on Quarks and Nuclear Physics (QNP2024), 8-12 July, 2024. Barcelona, Spain