基于机器学习从全息QCD研究味相关的临界端点
高能物理 - 唯象学
2025-01-24 v2
摘要
利用有限温度和化学势下的爱因斯坦-麦克斯韦-伸缩子（EMD）框架，研究了平面上的QCD相图以及纯胶子、2味、2+1味和2+1+1味系统的状态方程。通过将零化学势下状态方程和重子数磁化率的格点QCD数据输入全息模型，所有参数均可借助机器学习算法确定。我们的发现表明，纯胶子系统的退禁闭相变在零化学势时是一级相变，临界温度 GeV。2味、2+1味和2+1+1味系统的相变在零化学势时为 crossover，在高化学势时为一级相变，其-平面上的临界端点（CEP）分别位于（=0.46 GeV, =0.147 GeV）、（ = 0.74 GeV, = 0.094 GeV）和（= 0.87 GeV, = 0.108 GeV）。此外，本文还给出了不同味系统在有限化学势下的热力学量。观察到在零化学势和低温下，2+1味与2+1+1味系统之间的差异不明显。随着化学势的增加，2+1+1味系统的CEP位置明显偏离2+1味系统的CEP位置。2+1味和2+1+1味系统均与2味系统有显著差异。此外，在零温下，发现2味、2+1味和2+1+1味系统的临界化学势分别为 = 1.1 GeV、1.6 GeV和1.9 GeV。
引用
@article{arxiv.2405.06179,
title = {Flavor dependent Critical endpoint from holographic QCD through machine learning},
author = {Xun Chen and Mei Huang},
journal= {arXiv preprint arXiv:2405.06179},
year = {2025}
}