基于格点QCD状态方程的机器学习全息黑洞
高能物理 - 唯象学
2024-04-02 v2 高能物理 - 格点
摘要
基于零重子化学势下状态方程（EOS）和重子数敏感性的格点QCD结果，并辅以机器学习技术，我们分别构建了纯胶子、2味和2+1味系统在爱因斯坦-麦克斯韦-狄拉顿（EMD）框架下的全息黑洞度规解析形式。从爱因斯坦方程解出的狄拉顿势与由格点QCD状态方程确定的扩展非共形DeWolfe-Gubser-Rosen（DGR）型狄拉顿势高度一致，这表明了EMD框架的稳健性。预测的2+1味系统中的临界终点（CEP）位于，这接近来自现实Polyakov-Nambu-Jona-Lasinio（PNJL）模型、泛函重整化群以及具有扩展DeWolfe-Gubser-Rosen狄拉顿势的全息模型的结果。
引用
@article{arxiv.2401.06417,
title = {Machine learning holographic black hole from lattice QCD equation of state},
author = {Xun Chen and Mei Huang},
journal= {arXiv preprint arXiv:2401.06417},
year = {2024}
}