inclusiveAI：在所有已测 $Q^2$ 与 $x$ 区间上 $F_2$ 结构函数的机器学习表示
高能物理 - 唯象学
2022-01-05 v2 核实验
摘要
结构函数数据提供了对核子夸克分布的洞察。它们相对容易从世界上大量且不断增长的总括轻子产生数据中提取。反过来，结构函数可用于建模规划与优化未来实验所需的物理过程。本文提出了一种机器学习算法，能够使用一组独特参数预测四动量转移 GeV 且 Bjorken 从 到介子阈值的 结构函数。该模型经过训练并在 7~\% 水平上复现氢和氘数据，与实验数据的平均不确定度相当。将模型扩展到其他原子核或扩大运动学范围都很直接。该模型比现有结构函数参数化至少快十倍，使其成为事件生成器和系统研究的理想候选。
引用
@article{arxiv.2106.06390,
title = {inclusiveAI: A machine learning representation of the $F_2$ structure function over all charted $Q^2$ and $x$ range},
author = {S. Brown and G. Niculescu and I. Niculescu},
journal= {arXiv preprint arXiv:2106.06390},
year = {2022}
}