Multisystem Bayesian constraints on the transport coefficients of QCD matter
Notice bibliographique
Résumé
We study the properties of the strongly coupled quark-gluon plasma with a multistage model of heavy-ion collisions that combines the ${\mathrm{T}}_{\mathrm{R}}\mathrm{ENTo}$ initial condition ansatz, free-streaming, viscous relativistic hydrodynamics, and a relativistic hadronic transport. A model-to-data comparison with Bayesian inference is performed, revisiting assumptions made in previous studies. The role of parameter priors is studied in light of their importance for the interpretation of results. We emphasize the use of closure tests to perform extensive validation of the analysis workflow before comparison with observations. Our study combines measurements from the Large Hadron Collider (LHC) and the Relativistic Heavy Ion Collider (RHIC), achieving a good simultaneous description of a wide range of hadronic observables from both colliders. The selected experimental data provide reasonable constraints on the shear and the bulk viscosities of the quark-gluon plasma at $T\ensuremath{\approx}$ 150--250 MeV, but their constraining power degrades at higher temperatures, $T\ensuremath{\gtrsim}250$ MeV. Furthermore, these viscosity constraints are found to depend significantly on how viscous corrections are handled in the transition from hydrodynamics to the hadronic transport. Several other model parameters, including the free-streaming time, show similar model sensitivity, while the initial condition parameters associated with the ${\mathrm{T}}_{\mathrm{R}}\mathrm{ENTo}$ ansatz are quite robust against variations of the particlization prescription. We also report on the sensitivity of individual observables to the various model parameters. Finally, Bayesian model selection is used to quantitatively compare the agreement with measurements for different sets of model assumptions, including different particlization models and different choices for which parameters are allowed to vary between RHIC and LHC energies.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,004 | 0,013 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».