基于机器学习方法分析相对论重离子碰撞中重夸克扩散系数

本研究利用深度卷积神经网络(CNN)分析退禁闭介质中重夸克的扩散系数，该网络使用涉及重味强子的相对论重离子碰撞数据进行训练。CNN的训练使用了来自不同中心度的非prompt $J/\psi$（由B强子衰变产生）的核修正因子 $R_{AA}$ 与椭圆流 $v_2$ 等观测量，其中B介子的演化通过朗之万方程与瞬时并合模型计算。CNN输出表征重夸克扩散系数温度与动量依赖关系的参数。通过将不同碰撞中心度的非prompt $J/\psi$ $(R_{AA}, v_2)$ 实验数据输入到训练良好网络的多通道中，我们推导出扩散系数参数的值。此外，我们通过考虑作为深度神经网络输入的实验数据 $(R_{AA}, v_2)$ 中存在的不确定性，评估了确定扩散系数的不确定性。