用于定向重离子碰撞事件的神经网络方法
摘要：基于卷积神经网络的分类器被详细说明，以通过整合多个典型的实验可观察量来追踪变形的核-核碰撞的初始方向。采用了同位旋依赖的Boltzmann-Uehling-Uhlenbeck输运模型来生成超中心铀-铀碰撞的数据，能量为$E_\text{beam} = 1 \text{GeV/nucleon}$。考虑到特定情况下的显著波动和旁观者的影响，分类器仍然遇到了不可忽略的准确度损失。统计上，基于数据驱动的极化方案主要通过分类器来完成，其不同的类别过滤出具有特定方向偏好的碰撞事件。这将推进关于核对称能、中子皮和变形核的高动量尾部的研究。
作者：Zu-Xing Yang, Xiao-Hua Fan, Zhi-Pan Li, Shunji Nishimura
论文ID：2308.15796
分类：Nuclear Theory
分类简称：nucl-th
提交时间：2023-08-31