基于机器学习方法检验带电强子多重数的KNO标度性
高能物理 - 唯象学
2022-10-20 v1 计算物理
摘要
本文给出了一种基于机器学习的方法的结果，用于研究末态带电强子与平均喷注多重数分布标度性质。利用具有不同复杂度的深度残差神经网络架构，从由Pythia蒙特卡洛事件生成器产生的部分子级末态预测末态多重数分布。强子化网络由√s=7 TeV事件训练，而对从√s=0.9 TeV到13 TeV的各种LHC能量进行了预测。网络在强子层次上采用了标度性质，事实上KNO标度性得以保持——尽管平均喷注多重数分布的标度性随所用模型而变化。
引用
@article{arxiv.2210.10548,
title = {Testing of KNO-scaling of charged hadron multiplicities within a Machine Learning based approach},
author = {Gábor Bíró and Bence Tankó-Bartalis and Gergely Gábor Barnaföldi},
journal= {arXiv preprint arXiv:2210.10548},
year = {2022}
}
备注
Contribution to the 41th International Conference on High Energy Physics, 6-13 July, 2022, Bologna, Italy