機器學習在強子物理中的應用

Application of Machine learning in hadron physics

一、報告時間：2025年7月2日下午14：00--15：30

二、報告地點：物理學院 302會議室

三、主 持 人：杨智 研究员

四、主 讲 人：王倩 华南师范大学教授

五、主講人簡介：
  王倩，女，1984年出生于遼甯省。2012年畢業于中國科學院高能物理研究所，博士學位論文被評爲“2015年中國科學院百篇優秀博士論文”之一。2012年8月至2015年12月，在德國于利希研究中心從事博士後研究事情。2016年1月轉到德國波恩大學擔任研究助理。自2016年7月起，擔任由我國自然科學基金委（NSFC）和德國科學基金會（DFG）配合資助的重大國際相助項目CRC110 “Symmetries and the Emergence of Structure in QCD”中子項目B.3德方項目負責人。2019年全職回到華南師範大學。

主要從事強子物理方面的研究，其研究结果是國內外大科學裝置（例如：歐洲核子中心的大型強子對撞機(LHC)，我國的正負電子對撞機(BEPC)等）的重要物理目標之一。目前，已在Physical Review Letters(PRL)、Physical Review D(PRD)、Physics Letter B(PLB)、The European Physics Journal C(EPJC)等國際著名物理學術刊物上發表文章30余篇，據高能數據庫INSPIRE統計，截至2019年9月，總引用1500余次，其中單引超過250次的文章1篇，單引超過100次的文章2篇，單引超過50次的文章8篇（文章不重複計算）。基于其在該領域內的一系列有影響力的事情，她和相助者受國際物理學界最權威的綜述性評論期刊Reviews of Modern Physics(影響因子36.367)邀請，撰寫關于強子分子態的綜述性文章“Hadronic molecules”。從2018年發表至今，該文章被引用281次。她還擔任PRD，EPJC，EPJA, CPC，NPA等國際著名物理學術刊物的審稿人。被歐洲物理期刊評爲2016年優秀審稿人。

六、內容簡介：

   近些年人工智能技术的飞速生长为物理研究提供了新的强大工具。本讲座聚焦机械学习要领在强子物理中的应用，重点介绍两项代表性事情：

   1. 有限体积外推的普适化： 有限体积外推是提取格点盘算物理可观丈量不行或缺的步骤，但对长程相互作用系统组成显著挑战。我们应用符号回归（Symbolic Regression）技術，乐成回歸出同時適用于短程和長程相互作用的有限體積外推公式。該公式保持指數形式，但引入一個依賴力程的冪次因子 L^n。研究發現，隨著力程減小，冪次 n 相應減小；當力程足夠短時，n 收斂于 -1，自然重現了經典的短程公式。這一结果顯著推進了格點計算中物理可觀測量提取的精度和適用範圍。

   2. 隐粲五夸克态性质解析： 针对 Pc(4312)、Pc(4440) 和 Pc(4457) 等隱粲五誇克態，我們在無π介子有效場理論（Pionless EFT）框架下，创新性地接纳神经网络要领进行研究。对比传统的 χ? 拟合要领，神经网络展现出显著优势：它能够有效区分传统要领无法判定的 Pc(4440) 與 Pc(4457) 的量子數。相較于擬合要领，神經網絡能夠更高效、更直接地挖掘和利用實驗數據信息。該研究爲基于神經網絡從質量譜預測奇特強子態的內在性質提供了新的深刻見解。