パートン分布の大域解析における対数尤度関数の機械学習【JST・京大機械翻訳】

Liu DianYu; Sun ChuanLe; Gao Jun

プレプリント

J-GLOBAL ID：202202217852649317 整理番号：22P0275746

パートン分布の大域解析における対数尤度関数の機械学習【JST・京大機械翻訳】

Machine learning of log-likelihood functions in global analysis of parton distributions

出版者サイト {{ this.onShowPLink() }} 複写サービスで全文入手
高度な検索・分析はJDreamⅢで

この文献はプレプリントです。プレプリントについてはこちらをご確認ください。

著者 (3件)： , ,
資料名：
発行年： 2022年01月17日プレプリントサーバーでの情報更新日： 2022年08月01日
JST資料番号： O7000B 資料種別：プレプリント
記事区分：プレプリント発行国：アメリカ合衆国 (USA) 言語：英語 (EN)

※このプレプリント論文は学術誌に掲載済みです。なお、学術誌掲載の際には一部内容が変更されている可能性があります。

パートン分布関数(PDF)に関する最新の解析は,数千の実験データ点からの対数尤度関数の計算と数十自由度の多次元パラメータ空間の走査を必要とする。従来の解析では,Hessian近似はPDFの不確実性の推定に広く用いられている。Lagrange乗数(LM)スキャンは,より忠実な方法であり,計算上の限界のため,あまり使用せず,本研究の主な焦点である。ニューラルネットワーク(NN)と機械学習技法を用いて,二次近似を超えて動作するそれらの限界を克服し,一方,完全パラメータ空間の効率的走査を確実にするため,多次元パラメータ空間に対する対数尤度関数または断面積のプロファイルをモデル化した。著者らは,種々の目標関数のためのNNを構築することによって,PDFsのCT18グローバル解析のフレームワークにおける新しいアプローチの効率性を実証して,ハドロン衝突者におけるPDFsと断面に関するLMスキャンを実行した。さらに,新しいアプローチによるPDFsの制約に対するNOMAD dimuonデータの影響を検討し,強化されたストレンジクォーク分布および減少したPDF不確実性を見出した。さらに,SM有効場理論における演算子のPDFとWilson係数の両方の結合により,標準モデル(BSM)を超える新しい物理を制約するために,この手法がどのように使用できるかを示した。【JST・京大機械翻訳】

, , , , , , , , , , ,
, , , , 【Automatic Indexing@JST】

強い相互作用の模型

, , , ,

前のページに戻る