基于 $\texttt{Candia}$ 算法的 DGLAP 演化在 N$^3$LO 精度下的实现
计算机视觉与模式识别
2026-05-27 v1 机器学习
摘要
我们提出了 空间 算法的一种推广，用于在量子色力学（QCD）中以次次次次领先精度（NLO）求解描述无极化 parton 密度的 DGLAP 演化方程。该算法基于解的对数展开，可推广至所有 QCD 阶数。本文给出等价于 DGLAP 方程在 NLO 下精确解的展开式（非 Singlet 区段），并提供使用最新近的 NLO DGLAP 切分函数近似值演化得到的近似 NLO PDF 结果供基准测试。全新的代码版本 已公开于 https://github.com/champso1/candia-v2。
引用
@article{arxiv.2512.22666,
title = {INTERACT-CMIL: Multi-Task Shared Learning and Inter-Task Consistency for Conjunctival Melanocytic Intraepithelial Lesion Grading},
author = {Mert Ikinci and Luna Toma and Karin U. Loeffler and Leticia Ussem and Daniela Süsskind and Julia M. Weller and Yousef Yeganeh and Martina C. Herwig-Carl and Shadi Albarqouni},
journal= {arXiv preprint arXiv:2512.22666},
year = {2026}
}