Résumé - Utilisation des estimations d'incertitude prédictive pour apprendre les structures des états hadroniques par pôle

Utilisation des estimations d'incertitude prédictive pour apprendre les structures des états hadroniques par pôle

2025-07-10 11:49:17

{"Felix Frohnert","Denny Lane B. Sombrillo","Evert van Nieuwenburg","Patrick Emonts"}

{hep-ph,cs.AI,cs.LG,hep-ex}

L'article de Felix Frohnert, Denny Lane B. Sombrillo, Evert van Nieuwenburg et Patrick Emonts présente une approche d'apprentissage automatique pour analyser les structures de pôles des états hadroniques, qui sont des particules complexes composées de quarks et de gluons. L'identification des nouveaux états hadroniques est délicate en raison de la présence de signaux exotiques proches du seuil, qui peuvent provenir de divers mécanismes physiques. L'article introduit une méthode d'apprentissage automatique consciente des incertitudes pour classifier les structures de pôles dans les éléments de la matrice S. Les auteurs génèrent des lignes de forme synthétiques à l'aide d'un modèle S-matrice couplé et analytique, puis entraînent une pipeline d'apprentissage automatique pour classer les structures de pôles à partir de ces formes. La pipeline utilise un ensemble de chaînes de classificateurs qui fournissent des estimations d'incertitude épistémique et aleatorique. La méthode atteint une accuracy de validation de près de 95% tout en éliminant une petite fraction de prédictions à haute incertitude. Les auteurs appliquent ce cadre à l'augmentation de Pcc̄(4312)+ observée par LHCb et infèrent une structure à quatre pôles, suggérant la présence d'un pentaquark compact authentique dans la présence d'un pôle virtuel de canal supérieur avec une largeur non nulle. Ce cadre est largement applicable à d'autres états hadroniques candidats et offre un outil scalable pour l'inférence des structures de pôles dans les amplitudes de散射. Les contributions clés de l'article sont les suivantes : 1. Introduction d'une approche d'apprentissage automatique consciente des incertitudes pour classifier les structures de pôles dans les éléments de la matrice S. 2. Développement d'une pipeline d'apprentissage automatique qui optimise toutes les étapes critiques du processus d'apprentissage, de la représentation des données à l'élimination des échantillons basée sur la confiance. 3. Application du cadre à l'augmentation de Pcc̄(4312)+ et identification d'une structure à quatre pôles, cohérente avec la présence d'un pentaquark compact. 4. Demonstration de l'applicabilité large de ce cadre à d'autres états hadroniques candidats. L'article met en lumière le potentiel de l'apprentissage automatique dans la spectroskopie hadronique et offre un outil puissant et généralisable pour classer les structures de résonance dans les amplitudes de scattering.