基于机器学习与均匀化 S 矩阵的 $P_\psi^N(4312)^+$ 极点结构研究

我们使用训练好的深度神经网络探究了 $P_\psi^{N}(4312)^{+}$ 的极点结构。训练数据集是使用均匀化的独立 S 矩阵极点生成的，以确保所获得的解释尽可能不依赖于模型。为避免极点结构解释中可能出现的歧义，我们纳入了 S 矩阵非对角元元的贡献。在我们训练的六个神经网络中，有五个支持 $P_\psi^{N}(4312)^{+}$ 可能具有三极点结构，每个非物理片上各有一个极点——这在相关报告中尚属首次。其中两个极点可关联至一个极点-影子对，这是真实共振态的典型特征。另一方面，最后一个极点最有可能与耦合道效应相关。这些极点的联合效应在 $\Sigma^{+}_C\bar{D}^0$ 阈值下方产生了一个峰，模拟了强子分子的线型。