Study of Hadron Interactions from LQCD and Deep Learning

从 LQCD 和深度学习研究强子相互作用

• 批准号: 21K03555
• 负责人: 池田 陽一
• 金额: $ 2.66万
• 依托单位: Osaka University (2022)Kyushu University (2021)
• 依托单位国家: 日本
• 项目类别: Grant-in-Aid for Scientific Research (C)
• 财政年份: 2021
• 资助国家: 日本
• 起止时间: 2021-04-01 至 2025-03-31
• 项目状态: 未结题
• 来源: https://kaken.nii.ac.jp/en/grant/KAKENHI-PROJECT-21K03555/
• 关键词: 格子QCD; ハドロン間相互作用; エキゾチックハドロン; 深層学習; 機械学習; ハドロン物理; 量子色力学; 人工知能

強い相互作用の第一原理計算である格子QCDを用いて、phi中間子-核子系における軌道角運動量S波、スピン2/3に関するハドロン間相互作用の導出を行った。ここでは、pi中間子質量が146MeVの物理点近傍のゲージ配位を利用した。LHC ALICEグループでは、高エネルギーハドロン衝突実験により、phi中間子-核子のスピン平均された相関関数を測定されており、本研究の格子QCDによる相互作用を利用しスピン1/2におけるphi中間子-核子系に束縛状態が存在する可能性が示唆された。このようにハドロン間相互作用の決定、およびそこから創発する量子状態の研究が、現在活発に行われているが、重イオン衝突実験で報告されたハドロン束縛状態・共鳴状態の候補について、それらの存在を確立させることが重要である。これまでの高エネルギー実験において、新奇なハドロン量子状態が散乱閾値近傍に存在する可能性が示唆されており、本研究では、これらの量子状態決定に機械学習を導入する新しい方法を提案している。今年度の研究において、閾値近傍における散乱振幅の良い近似となる有効レンジ展開を用いて、２核子系における束縛状態と仮想状態を区別する深層学習プログラムを完成させた。量子状態は散乱振幅の複素エネルギー平面上での極の位置で決まるため、散乱理論に忠実に、散乱振幅の解析性を正しく満たす教師データを作成した。これらを元に、散乱実験データへの応用を試み、部分波解析を行った先行研究と高精度で一致することが確かめられた。さらに、チャームクォークを含むような２中間子間の相互作用の計算に向けてのコード開発を行い、スーパーコンピュータ富岳を用いた計算がスタートさせた。ここでは、テトラクォークの候補であるTccに関する相互作用の計算を行った。

First-principles calculations of strong interactions: lattice QCD applications, phi neutron-nucleon systems, orbital angular motions, S waves, S 2/3 correlations, and derivation of interactions between particles. The mass of the intermediate particle is 146MeV, and the coordination near the physical point is utilized. LHC ALICE is a method for determining the average correlation between phi intermedions and nucleons. The interaction between phi intermedions and nucleons in lattice QCD is used to show the possibility of the existence of bound states in phi intermedions and nucleons. The study of quantum states for the determination of interactions between the two states is important for the determination of the existence of resonance states. This study proposes a new method for introducing mechanical learning into quantum state determination. This year's research has been conducted on the separation of scattered amplitudes near the threshold, the separation of bound states and ideal states in 2-nuclear systems, and the completion of deep learning. The quantum state is determined by the position of the pole in the complex phase of the scattering amplitude, and the analytical property of the scattering amplitude is determined by the position of the pole in the complex phase of the scattering amplitude. For example, if you want to use a computer, you can use a computer to analyze the data. The calculation of the interaction between the two molecules is carried out in the middle of the calculation. The calculation of Tcc interaction is performed.

项目成果

Model independent analysis of coupled-channel scattering: A deep learning approach

耦合通道散射的模型独立分析：一种深度学习方法

• DOI: 10.1103/physrevd.104.036001
• 发表时间: 2021
• 期刊: Physical Review D
• 影响因子: 5
• 作者: Sombillo Denny Lane B.;Ikeda Yoichi;Sato Toru;Hosaka Atsushi
• 通讯作者: Hosaka Atsushi

Attractive N phi interaction and two-pion tail from lattice QCD near physical point

有吸引力的 N phi 相互作用和来自物理点附近晶格 QCD 的二π介子尾

• DOI: 10.1103/physrevd.106.074507
• 发表时间: 2022
• 期刊: Physical Review D
• 影响因子: 5
• 作者: Lyu Yan;Doi Takumi;Hatsuda Tetsuo;Ikeda Yoichi;Meng Jie;Sasaki Kenji;Sugiura Takuya
• 通讯作者: Sugiura Takuya

Unveiling the pole structure of S-matrix using deep learning

• DOI: 10.31349/suplrevmexfis.3.0308067
• 发表时间: 2021-04
• 期刊: Suplemento de la Revista Mexicana de Física
• 作者: Denny Lane B. Sombillo;Y. Ikeda;Toru Sato;A. Hosaka

Classifying Near-Threshold Enhancement Using Deep Neural Network

• DOI: 10.1007/s00601-021-01642-z
• 发表时间: 2021-06
• 期刊: Few-Body Systems
• 影响因子: 1.6
• 作者: Denny Lane B. Sombillo;Y. Ikeda;Toru Sato;A. Hosaka

Scattering amplitude analysis using neural networks

使用神经网络进行散射幅度分析

• 发表时间: 2022
• 作者: Denny Lane Sombillo;Yoichi Ikeda;Toru Sato;Atsushi Hosaka
• 通讯作者: Atsushi Hosaka