HoloNet：面向统一Einstein-Maxwell-Dilaton框架的QCD研究

我们提出HoloNet，一个神经网络框架，将晶格QCD（LQCD）热力学与全息Einstein-Maxwell-Dilaton（EMD）理论统一于数据到全息的管道中。不同于假设特定函数形式，HoloNet直接从2+1味LQCD数据（在μ=0的情况下）学习度规轮廓$A(z)$和规范-稀释子耦合$f(z)$。这些学习到的函数被嵌入到EMD方程中，使模型能够以高度忠实的程度再现晶格方程状态和 baryon 数波动。训练完成后，HoloNet提供一种完全数据驱动的全息QCD描述，自然扩展到有限密度，使我们能够绘制相位图并估计临界端点（CEP）的位置。重构的势能$V(\phi)$和耦合$f(\phi)$与全息重整�中获得的结果在定量上保持一致，表明HoloNet能够一致地桥接不同的全息模型。