可解释机器学习揭示高能粒子碰撞中的底层物理

我们给出了一种可解释且物理感知的机器学习模型的实现，该模型能够利用末态粒子的能量-动量四矢量中所编码的信息，推断高能粒子碰撞的底层物理。我们使用一个基于 DGLAP 的部分子簇射蒙特卡洛事件生成器训练的生成对抗网络（GAN），展示了我们的白盒 AI（White Box AI）方法的的概念验证。我们首次表明，我们的方法所得到的网络不仅能够学习粒子的最终分布，还能学习底层的部分子分支机制，即阿尔特雷利-帕里西分裂函数、簇射的排序变量以及标度行为。尽管当前工作聚焦于部分子簇射的微扰物理，我们预见我们的框架在 QCD 中目前难以从第一性原理处理的广泛领域具有应用前景。例子包括非微扰与集体效应、因子化破缺，以及重离子和电子-原子核碰撞中部分子簇射的修正。