基于机器学习从逐事件重离子碰撞提取物理信息

O571; 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....

Full description

Saved in:
Bibliographic Details
Published in原子能科学技术 Vol. 57; no. 4; pp. 774 - 783
Main Authors 魏国俊, 王永佳, 李庆峰, 刘福虎
Format Journal Article
LanguageChinese
Published 山西大学理论物理研究所,山西太原 030006 01.04.2023
湖州师范学院理学院,浙江湖州 313000%湖州师范学院理学院,浙江湖州 313000%山西大学理论物理研究所,山西太原 030006
Subjects
机器学习
重离子碰撞
逐事件
Online AccessGet full text
ISSN1000-6931
DOI10.7538/yzk.2022.youxian.0827

Cover

More Information
Summary:O571; 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.
ISSN:1000-6931
DOI:10.7538/yzk.2022.youxian.0827