MSHT PDF 的封闭性检验及其与神经网络方法的首次直接比较
高能物理 - 唯象学
2024-08-22 v1 高能物理 - 实验
摘要
我们简要概述了对固定参数化（MSHT）方法进行 PDF 拟合的首次全局封闭性检验。我们发现默认的 MSHT20 参数化能够在封闭性检验中以远小于教科书典型不确定度的程度再现输入集的特征。这提供了强有力的证据表明 MSHT20 拟合中参数化的不灵活性在数据区域并非显著问题。我们还展示了 MSHT 与 NNPDF 之间首次完全对等的全局 PDF 拟合比较，其中唯一可确认的差异源于拟合方法。为实现这一点，我们使用 MSHT 参数化对 NNPDF4.0 的数据和理论输入进行了拟合。我们发现这给出了比 NNPDF4.0 中心拟合明显更好的拟合质量，且这一差异在 PDF 和基准截面层面持续存在。NNPDF4.0 的不确定度在应用教科书 容差时与 MSHT 结果大致一致，但在应用 MSHT20 拟合典型容差时显著更小。
引用
@article{arxiv.2408.11423,
title = {Closure Testing the MSHT PDFs and a First Direct Comparison to the Neural Net Approach},
author = {L. A. Harland-Lang and R. S. Thorne and T. Cridge},
journal= {arXiv preprint arXiv:2408.11423},
year = {2024}
}
备注
5 pages, 3 figures. To appear in DIS2024 proceedings. arXiv admin note: substantial text overlap with arXiv:2407.07944