MétaCan
Menu
Retour à la cohorte
Enregistrement W4280618737 · doi:10.22323/1.396.0537

From lattice QCD to in-medium heavy-quark interactions via deep learning

2022· article· en· W4280618737 sur OpenAlexafffund
Shuzhe Shi, Kai Zhou, Jiaxing Zhao, Swagato Mukherjee, Pengfei Zhuang

Notice bibliographique

RevueProceedings of The 38th International Symposium on Lattice Field Theory — PoS(LATTICE2021) · 2022
Typearticle
Langueen
DomainePhysics and Astronomy
ThématiqueHigh-Energy Particle Collisions Research
Établissements canadiensMcGill University
Organismes subventionnairesAdvanced Scientific Computing ResearchFonds de recherche du Québec – Nature et technologiesNatural Sciences and Engineering Research Council of CanadaOffice of ScienceNuclear PhysicsBundesministerium für Bildung und ForschungNational Natural Science Foundation of ChinaSamsonNvidiaU.S. Department of Energy
Mots-clésPhysicsQuark–gluon plasmaQuantum chromodynamicsLattice QCDQuarkParticle physicsLattice (music)PlasmaThermalGluonNuclear physicsThermodynamics

Résumé

récupéré en direct d'OpenAlex

Bottomonium states are key probes for studies of the quark-gluon plasma (QGP) created in high-energy nuclear collisions. Theoretical models of bottomonium productions in high-energy nuclear collisions rely on the in-medium interactions between the bottom and antibottom quarks, which can be characterized by real ($V_R(T,r)$) and imaginary ($V_I(T,r)$) potentials, as functions of temperature and spatial separation. Recently, the masses and thermal widths of up to $3S$ and $2P$ bottomonium states in QGP were calculated using lattice quantum chromodynamics (LQCD). Starting from these LQCD results and through a novel application of deep neural network, here, we obtain results for $V_R(T,r)$ and $V_I(T,r)$. The temperature dependence of $V_R(T,r)$ was found to be very mild between $T\approx0-330$~MeV. Meanwhile, $V_I(T,r)$ shows a rapid increase with $T$ and $r$, which is much larger than the perturbation theory-based expectations.

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 distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,571
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0010,000
Communication savante0,0000,000
Science ouverte0,0010,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0040,000

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.

Tête enseignante Opus0,009
Tête enseignante GPT0,280
Écart entre enseignants0,271 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Devis d'étudeThéorique ou conceptuel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations2
Publié2022
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueProceedings of The 38th International Symposium on Lattice Field Theory — PoS(LATTICE2021)Même sujetHigh-Energy Particle Collisions ResearchTravaux en français237 207