利用机器学习研究中低能重离子碰撞中的物理问题

作     者：张英逊 王方元 李理 陈响 崔莹 王馨钰 杨钧评 赵凯 ZHANG Yingxun;WANG Fangyuan;LI Li;CHEN Xiang;CUI Ying;WANG Xinyu;YANG Junping;ZHAO Kai

作者机构：中国原子能科学研究院核物理研究所北京102413 广西师范大学、广西核物理与核技术重点实验室广西桂林541004 

出 版 物：《原子能科学技术》 (Atomic Energy Science and Technology)

年 卷 期：2023年第57卷第4期

页      面：751-761,I0001页

核心收录：

学科分类：08[工学] 0804[工学-仪器科学与技术] 0827[工学-核科学与技术] 0701[理学-数学] 0702[理学-物理学] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

基　　金：中国原子能科学研究院院长基金(YZ222407001301) 国家自然科学基金(11875323,12275359,11961141003) 国家财政部稳定支持研究经费(WDJC-2019-13) 国家重点研发计划(2018YFA0404404) 中核集团领创项目(LC192209000701,LC202309000201)。 

主　　题：重离子碰撞 输运理论模型 涨落机制 碰撞参数 有效质量劈裂 机器学习算法 

摘      要：中低能重离子碰撞的内禀涨落破坏了重离子碰撞的初态输入量与末态观测量的一一对应关系,从而对利用机器学习从末态观测量反推感兴趣的初态输入物理量,如碰撞参数、状态方程等提出了新的挑战。本文从微观动力学输运模型出发,分析了末态观测量相对于初态输入量产生分布的原因。理论计算表明末态观测量对于初态输入量的涨落近似满足高斯形式。通过结合贝叶斯定理和无监督的机器学习算法,可以模型无关地分类碰撞的事件以及重构碰撞参数的分布。进一步利用两种神经网络对质子、中子在同位旋非对称介质中有效质量的劈裂进行了分析,指出末态实验数据的扁平化处理能提高卷积神经网络和简单神经网络分辨质子、中子有效质量劈裂的精度。