科研之友
微信
新浪微博
Facebook
分享链接
摘要
深度学习技术在喷注淬火现象的研究中有着广泛的应用.本文回顾了近年来学者们运用不同的喷注数据表示类型和神经网络结构,在重建QCD (Quantum Chromodynamics)热密介质中的喷注动量,区分真空喷注和介质喷注等方面进行的研究,并重点介绍了深度学习在预测介质喷注的能量损失,鉴别介质中的夸克喷注和胶子喷注等方面的研究.在喷注能损的预测研究中,我们展示了深度学习技术能够逐个确定高能喷注在热核物质中穿行后的能量损失程度,以及该方法推动了喷注对热核物质的层析研究.在介质中夸克和胶子喷注的分类研究中,我们发现,随着喷注能量损失的增加,分类的精度会逐渐下降.最后,展望性地讨论了夸克和胶子喷注的子结构在介质中获得的修正.
