基于神经网络部分波分析的 $K^-p$ 散射中的 $\Sigma$ 共振态
高能物理 - 唯象学
2023-05-04 v1 核理论
摘要
我们实现了一个卷积神经网络，利用 反应的实验数据来研究 超子。神经网络模型在测试数据集上分辨共振态的平均准确率在含一、二、三个附加共振的情况下分别为 、 和 。我们发现三个最显著的共振态为 、 和 态，其质量分别为 、 和 ，概率分别为 、 和 ，其中误差主要来源于实验数据的不确定性。我们的结果支持 PDG 中的三星 、一星 和一星 。在共振分辨中给出定量概率的能力以及数值稳定性，使神经网络（NN）有望成为重子部分波分析中改变局面的工具，且该方法可轻松扩展以容纳其他理论模型和/或纳入更多实验数据。
引用
@article{arxiv.2305.01852,
title = {$\Sigma$ Resonances from a Neural Network-based Partial Wave Analysis on $K^-p$ Scattering},
author = {Jun Shi and Long-Cheng Gui and Jian Liang and Guoming Liu},
journal= {arXiv preprint arXiv:2305.01852},
year = {2023}
}
备注
6 pages, 6 figures with supplemental materials