近日，我院硕士研究生刘家豪、张振宇和胡继峰、王倩研究员合作，在强子物理领域取得重要进展，研究成果“Study of exotic hadrons with machine learning”发表在《物理评论D》上[PHYSICAL REVIEW D 105, 076013]。
自2003年以来，实验上发现一系列超出传统夸克模型的奇特强子态候选者，它们的性质是强子物理中最重要的研究内容之一。由于这些奇特强子态候选者都有临近的阈，无论是紧致的多夸克态还是松散的强子分子态，其阈值效应都是不可回避的问题。
该工作[PHYSICAL REVIEW D 105, 076013]在强子分子态图像下，用机器学习的方法研究单道的问题，从实验数据中直接提取散射长度和有效距离。该研究用蒙特卡洛方法产生训练样本来优化残差神经网络模型（图1），模型所预测的参数值与理论值相当符合（图2）。然后把网络模型应用于X(3872)和Tcc的实验数据上，得到的参数结果与用拟合方式得到的结果一致，证明机器学习的方法可以用于强子物理实验的数据分析中。该方法有望拓展到多道情形下，从强子质量谱的实验数据中同时提取多个理论参数。该文章是国内首篇机器学习在强子物理中的应用，也是量子物质研究院理论方向与实验方向合作发表的第一篇论文。
该研究得到国家自然科学基金、广东省基础与应用基础研究重大项目，以及中德合作项目等经费的支持。
论文链接：https://journals.aps.org/prd/abstract/10.1103/PhysRevD.105.076013
图 1 基于ResNet的神经网络结构
图 2 输出值与输入标签之间相关性
作者/通讯员:刘家豪、张振宇、胡继峰、王倩| 来源:量子物质研究院 | 编辑:卫敏杰