利用深度学习方法研究核物质状态方程

对核物质状态方程的研究将有助于人们更好地了解原子核的性质以及宇宙和星体的演化过程等基本问题.重离子碰撞能产生高温高密核物质,利用输运模型的模拟结合相关实验数据的比较是研究核物质状态方程最常用方法之一.本文利用深度学习中的卷积神经元网络(CNN)方法对不同核物质状态方程给出的末态质子横动量和快度分布进行学习,使神经元网络具有从末态粒子信息来判断核物质状态方程软硬的能力.利用预测差异分析方法(Prediction Different Analysis),可以找到横动量和快度分布中对状态方程最敏感的区域.此外,还测试了一种基于决策树的梯度提升算法(LightGBM),发现得到的准确度和CNN方法类似.