通过深度学习探测手征磁效应
高能物理 - 唯象学
2022-11-23 v3 核理论
摘要
在重离子碰撞中搜寻手征磁效应（CME）长期受到关注。已提出多种观测量，但均因巨大的背景污染而遭遇障碍。在本快报中，我们基于深度卷积神经网络构建了一个与观测量无关的 CME 仪表。在经过多相输运模型生成的数据集训练后，该 CME 仪表在从末态介子谱中识别具有 CME 特征的电荷分离方面表现出高精度。它还对包括不同碰撞能量、中心度及椭圆流背景在内的多样条件表现出显著的鲁棒性。以迁移学习的方式，该 CME 仪表在同位素碰撞系统中得到验证，显示出不同碰撞系统间良好的可迁移性。基于变分方法，我们利用 DeepDream 方法推导出最具响应性的 CME 谱，展示了机器所学习的物理内容。
引用
@article{arxiv.2105.13761,
title = {Detecting Chiral Magnetic Effect via Deep Learning},
author = {Yuan-Sheng Zhao and Lingxiao Wang and Kai Zhou and Xu-Guang Huang},
journal= {arXiv preprint arXiv:2105.13761},
year = {2022}
}
备注
7 pages, 10 figures