基于神经网络全息模型的夸克偶素谱与衰变常数

我们提出了一种数据驱动的方法，用于自下而上 AdS/QCD 对重矢量夸克偶素描述中膨胀场 的逆构造。我们没有采用特定的解析假设，而是使用多层感知机将 $\Phi'(z)$ 学习为全息坐标的平滑函数，并施加 $\Phi(0)=0$ 以确保紫外一致性。通过自动微分获得的膨胀场及其导数生成了全息势 $U(z)$，并对相关的类薛定谔方程进行离散化和对角化以提取低能本征模。随后，根据本征值和体-边模式的近边界行为评估质量和衰变常数。在 PDG 关于粲偶素和底偶素的数据上进行训练，得到了一个非二次的膨胀场轮廓，解决了同时再现重夸克偶素谱和随径向激发单调抑制的轻子衰变常数这一长期难题。联合拟合实现了 $1.26\%$（粲偶素）和 $3.32\%$（底偶素）的均方根偏差。这项工作将神经网络重建确立为全息建模的灵活工具，并为未来纳入额外通道、格点约束或有限温度背景的扩展提供了基础。