基于机器学习的重离子碰撞中QCD相变的研究

摘要：

高能重离子碰撞将夸克和胶子从原子核中释放出来,形成一种新的核物质形态,即解禁闭的夸克胶子等离子体(Quark-Gluon Plasma,QGP).研究普通核物质或强子共振气体到夸克胶子等离子体的相变,需要在超级计算机上数值求解格点量子色动力学(Quantum Chromodynamics,QCD).但是,格点QCD只能给出零重子化学势以及附近可泰勒展开区域的核物质状态方程,并预测这种条件下QGP到强子共振气体之间的相变为平滑过渡.在不能做泰勒展开的有限重子化学势区域,格点QCD会遭遇著名的符号问题,无法给出有效的核物质状态方程以及QCD相变类型.本文综述了利用机器学习在核物质状态方程、相变分类以及临界点寻找方面的研究.这些研究大致分为两类:第一类在高能重离子碰撞实验数据以及相对论流体力学模拟和分子动力学模拟中,利用核碰撞末态粒子分布来确定核物质状态方程以及相变种类;另一类是利用机器学习直接帮助格点QCD的采样,解决有限密系统中的符号问题.

关键词：重离子碰撞、机器学习、QCD相变、深度神经网络、Ai4Science

所属期刊栏目：46

分类号：TL99;O571.6;O572.2

资助基金：国家自然科学基金;国家重点研发计划;广东基础;应用基础科学重大研究项目;美国能源部资助

在线出版日期：2023-05-04（万方平台首次上网日期，不代表论文的发表时间）

页数：共18页

页码：204-221