基于热力学导向神经网络的高基态密度下方程状态
高能物理 - 唯象学
2026-05-22 v1 核理论
摘要
我们提出了一个用于强相互作用物质在有限温度和守恒电荷密度下的四维方程状态（EOS），采用深度神经网络构建。它为相对论性重离子碰撞的混合模型提供直接使用：在典型粒子化尺度下再现了夸克-原子核混合物热力学，在低基态化学势下与晶格 QCD 一致，并外推到无法被两种方法覆盖的高密度区域，这正是 RHIC BES、FAIR、HADES 和 CBM 所针对的 regime。通过物理信息损失函数实现整个相空间的热力学一致性。我们通过在零净奇异子和固定电荷-中子比例条件下实现该方程状态于集成的 hydrokinetic 模型中来展示所开发的方程状态的有效性。
引用
@article{arxiv.2605.22199,
title = {Equation of State at High Baryon Densities from a Thermodynamically Informed Neural Network},
author = {Musfer Adzhymambetov},
journal= {arXiv preprint arXiv:2605.22199},
year = {2026}
}
备注
9 pages, 5 figures; feedback is greatly appreciated. The reader is encouraged to test the equation of state in their hydrodynamic codes. Feel free to reach out if you need help with implementation