基于机器学习从逐事件重离子碰撞提取物理信息
Atomic Energy Science and Technology（2023）
摘要
在重离子碰撞实验和输运模型模拟中均可逐事件获取观测量数据,然而,利用重离子碰撞研究核物质性质时通常只使用观测量对所有事件的平均值.机器学习拥有强大的数据分析和处理能力,可有效利用逐事件观测量数据中包含的丰富信息.本文通过极端相对论量子分子动力学(UrQMD)模型和机器学习算法的结合,为相关问题的研究提供新途径.研究结果显示,机器学习方法可从逐事件的观测量数据中提取关键物理参数的信息.此外,利用机器学习中特征量重要性归因方法,还可找出对提取相关参数最重要的特征量,从而对研究这些问题提供有价值的参考.
更多AI 理解论文
溯源树
样例
生成溯源树，研究论文发展脉络
Chat Paper
正在生成论文摘要