使用 CNN 同时估计重离子碰撞中的椭圆流系数与碰撞参数
高能物理 - 唯象学
2024-11-19 v1 核实验
核理论
摘要
我们开发了一种基于深度学习与卷积神经网络（CNN）算法的方法，用于同时确定相对论能量下重离子碰撞中的椭圆流系数（）与碰撞参数。所提出的 CNN 在 = 5.02 TeV 的 Pb-Pb 碰撞数据上进行训练，这些数据是使用 AMPT 事件生成器模拟的最小偏置事件。基于不同的输入与输出组合共构建了十二个模型，并评估了它们的性能。将 CNN 模型的预测与模拟及实验数据的估计进行了比较。该深度学习模型似乎在 LHC 能量下保留了 的中心度和 依赖性，同时以较低的误差范围成功预测了碰撞参数。这是首次构建 CNN 以在重离子系统中同时预测 和碰撞参数。
引用
@article{arxiv.2411.11001,
title = {Simultaneous Estimation of Elliptic Flow Coefficient and Impact Parameter in Heavy-Ion Collisions using CNN},
author = {Praveen Murali and Sadhana Dash and Basanta Kumar Nandi},
journal= {arXiv preprint arXiv:2411.11001},
year = {2024}
}
备注
First simultaneous estimate of elliptic flow and impact parameter using CNN