基于迁移学习技术估算重离子碰撞的中心度
高能物理 - 唯象学
2024-07-11 v1 核理论
摘要
在本研究中，我们探讨了迁移学习技术用于估算重离子碰撞中心度（以参与者数量 表示）的可行性。本工作利用诸如 VGG16、ResNet50 和 DenseNet121 等流行的预训练卷积神经网络模型，在 200 GeV 能量下对 Au+Au 碰撞的事件逐个测定 。令人惊讶的是，尽管这些预训练模型是为其他领域的数据库训练的，但所有三个模型均实现了良好的性能。尤其值得注意的是，VGG16 模型的性能尤为突出，展示了迁移学习技术从重离子碰撞数据中提取多样化可观测量的潜力。
引用
@article{arxiv.2407.07210,
title = {Estimating centrality in heavy-ion collisions using Transfer Learning technique},
author = {Dipankar Basak and Kalyan Dey},
journal= {arXiv preprint arXiv:2407.07210},
year = {2024}
}
备注
14 pages, 10 figures