基于机器学习的质子-质子碰撞中的多部分子相互作用

近年来，机器学习(ML)工具已成功应用于高能物理中的大量问题。本工作中，我们讨论了利用ML方法从LHC能区的极小偏置pp数据中提取多部分子相互作用平均数目($\langle N_{\rm mpi} \rangle$)。利用现有的ALICE关于横动量谱随多重数变化的实验数据，我们报道对于$\sqrt{s} =$ 7 TeV的极小偏置pp碰撞，平均$N_{\rm mpi}$为3.98 $\pm$ 1.01，这补充了我们此前对$\sqrt{s} =$ 5.02和13 TeV pp碰撞的结果。比较表明$\langle N_{\rm mpi} \rangle$具有微弱的能量依赖性。我们还报道了三种质心能量下$N_{\rm mpi}$对多重数的依赖性。这些结果在定性上与现有的对MPI敏感的ALICE测量一致，因此为pp碰撞中MPI的存在提供了额外的实验证据。