基于深度学习的高能重离子碰撞中碰撞参数的确定
高能物理 - 唯象学
2022-07-13 v2
摘要
本研究中，利用 AMPT 模型模拟 GeV 下碰撞参数 fm 的 Au+Au 碰撞，以提供初态末态信息。将这些信息转化为合适的输入数据（末态带电强子的能谱）后，我们构建了深度神经网络（DNN）与卷积神经网络（CNN）以关联末态观测量与碰撞参数。结果表明，DNN 与 CNN 均能以约 fm 的平均绝对误差重建碰撞参数，且 CNN 表现略优。随后，我们针对不同的束流能量与赝动量范围测试了这些神经网络。结果显示，这两种模型在低能与高能量下均表现良好。但当对更大的赝动量窗口进行测试时，我们观察到 CNN 展现出高于 DNN 的预测精度。借助 Grad-CAM 方法，我们揭示了 CNN 模型的“注意力”机制。
引用
@article{arxiv.2112.03824,
title = {Determination of impact parameter in high-energy heavy-ion collisions via deep learning},
author = {Pei Xiang and Yuan-Sheng Zhao and Xu-Guang Huang},
journal= {arXiv preprint arXiv:2112.03824},
year = {2022}
}