重离子碰撞中间能流动的神经网络仿真
核理论
2024-10-14 v2 高能物理 - 唯象学
核实验
摘要
机器学习新技术的应用正在加速多个领域的科研进展。本文构建并评估了一个深度神经网络 (DNN)，用作基于贝叶斯统计框架的高斯过程 (Gaussian Process, GP) 模拟器的更快且更可靠的替代方案，用于模拟中等能量束下的重离子反应。我们发现，DNN 能够在小训练数据集的情况下高效地仿真 IBUU 传输模型模拟器对中子、质子及其他介质中有向流和椭圆流强度的预测，其准确率约为 GP 的十倍。本文也讨论了当前工作的局限性及未来的改进方向。
引用
@article{arxiv.2406.18421,
title = {Neural Network Emulation of Flow in Heavy-Ion Collisions at Intermediate Energies},
author = {Nicholas Cox and Xavier Grundler and Bao-An Li},
journal= {arXiv preprint arXiv:2406.18421},
year = {2024}
}
备注
Added more results and discussions. Phys. Rev. C in press