跳到主要内容
返回时间线
Physical review. D/Physical review. D.来源发表:

非微扰TMD分布不再只有神经网络黑箱:符号回归给出9个常数的闭式表达式

核心概要

非微扰横向动量依赖分布此前多以神经网络拟合的形式存在,难以写成解析式。该工作先用因子化神经网络直接拟合固定靶、Tevatron、RHIC与LHC的Drell–Yan截面数据,精度取到次次次领头对数,再对网络各分量做符号回归,在表达式复杂度与实验拟合的Pareto前沿上选出含9个自由数值常数的闭式函数,覆盖超过482个数据点。要得到紧凑公式,需要引入非平凡的纵向动量分数与横向碰撞参数交叉项,它编码了两者之间的温和关联。

Source-provided article image: Symbolic extraction of nonperturbative transverse-momentum-dependent distributions from Drell-Yan data
FIG. 1 · 第 6 页

深度剖析

非微扰横向动量依赖的部分子分布函数现在有了一个闭式解析参数化,而不再只停留在神经网络的数值拟合里。 此前的做法是让神经网络直接拟合Drell–Yan数据,得到的分布灵活但不可读,无法写成紧凑的解析表达式。 这一闭式函数由固定靶、Tevatron、RHIC和LHC实验的Drell–Yan截面数据支撑,拟合在次次次领头对数精度下进行,覆盖超过482个数据点。

做法是把拟合拆成两步:先让网络学数据,再让符号回归把网络分量翻译成公式。 因子化神经网络把整体拟合分解为若干可分别处理的网络分量,符号回归随后逐个作用于这些分量,搜索紧凑的解析表达式。 最终公式是在表达式复杂度与实验拟合构成的Pareto前沿上挑选的,含9个自由数值常数,并需要保留一个非平凡的交叉项才能保持紧凑。

保留下来的交叉项本身带有物理含义,它描述纵向动量分数与横向碰撞参数依赖之间的温和关联。 若去掉这一交叉项,公式无法同时保持紧凑与对数据的描述能力。 该交叉项编码的是纵向动量分数与横向碰撞参数依赖之间的温和相关,属于拟合结果中非平凡的结构成分。

启示与展望

演示范围限于非极化夸克的非微扰TMD部分子分布函数,数据来自固定靶、Tevatron、RHIC与LHC的Drell–Yan截面,拟合精度为次次次领头对数。

最终公式是在表达式复杂度与实验拟合的Pareto前沿上选出的,含9个自由数值常数;要得到紧凑形式必须保留非平凡的交叉项,说明紧凑性与描述能力之间存在取舍。