利用机器学习逐事件解码重离子碰撞中的核对称能
核理论
2022-08-24 v1 核实验
摘要
目前从重离子碰撞推断核对称能是基于将测量可观测量与输运模型模拟进行比较。这些方法仅使用所有考虑事件的观测量期望值，然而在实验与输运模型模拟中均可逐事件获得可观测量。通过使用轻量梯度提升机（LightGBM）——一种现代机器学习算法，我们提出一个框架，用于从逐事件分析的重离子碰撞可观测量推断密度依赖的核对称能。超相对论量子分子动力学（UrQMD）模型模拟被用作训练数据。用LightGBM从同样由UrQMD生成的测试数据逐事件提取的对称能斜率参数与真实值的平均散布约为30~MeV，且被发现对模型参数变化具有鲁棒性。此外，LightGBM能识别对感兴趣物理影响最大的特征，从而提供有价值的见解。我们的研究表明，该框架可成为有力工具，并可能为研究重离子碰撞中的潜在物理提供新范式。
引用
@article{arxiv.2208.10681,
title = {Decoding the nuclear symmetry energy event-by-event in heavy-ion collisions with machine learning},
author = {Yongjia Wang and Zepeng Gao and Hongliang Lü and Qingfeng Li},
journal= {arXiv preprint arXiv:2208.10681},
year = {2022}
}
备注
5 pages, 4 figures, 1 table