利用机器学习研究原子核四极形变在中能重离子碰撞中的效应

作者：高泽鹏; 王永佳^*; 李庆峰^*; 刘玲

来源：中国科学:物理学 力学 天文学 , 2022, 52(05): 96-106.

• 重离子碰撞
• 原子核形变
• 机器学习

本文基于极端相对论量子分子动力学(UrQMD)模型,在模型初始化部分考虑弹靶核的四极形变,研究形变对不同入射能量(每核子0.4, 1.0和1.5 GeV)下的238U+238U碰撞的影响.利用机器学习中的LightGBM决策树算法训练初始化过程中有无形变效应所给出的反应末态的自由质子、带电碎片(质量数A>1)以及带电π介子的横动量(pt)与快度(y0)的分布,使决策树算法具备从逐事件给出的末态粒子分布中识别原子核形变的能力.利用LightGBM算法中的重要特征分析发现弹靶快度区的带电碎片数敏感于弹靶核的四极形变,可以作为用重离子碰撞探测原子核四极形变的探针.

• 单位
  湖州师范学院; 中国科学院近代物理研究所; 沈阳师范大学