实体
$\pi\pi$ scattering
$\pi\pi$ scattering
PulseAugur coverage of $\pi\pi$ scattering — every cluster mentioning $\pi\pi$ scattering across labs, papers, and developer communities, ranked by signal.
总计 · 30天
2
90 天内 2
发布 · 30天
0
90 天内 0
论文 · 30天
2
90 天内 2
层级分布 · 90 天
主题
最近 · 第 1/1 页 · 共 2 条
-
新的神经网络方法从物理数据中学习散射幅度
研究人员开发了基于S矩阵的神经网络（SINNs），用于从实验数据中重建散射幅度。这种新颖的方法在遵循基本物理原理的同时，直接从数据中学习幅度。一种新的数据选择方法识别出与这些原理以及彼此一致的实验，并将其应用于$\pi\pi$散射，以生成可重用的幅度和相关的、无固定函数形式假设的不确定性。该框架可适应其他散射过程和面临不一致数据的受约束物理问题。
-
深度神经网络方法增强粒子物理推断
arXiv上的一篇新论文介绍了一种基于模拟的推断（SBI）方法，用于估计粒子物理学中的共振参数，特别是rho(770)共振。与传统的卡方最小化方法相比，这种深度神经网络驱动的方法在处理模型误设时表现出更高的准确性。该研究强调了SBI在预测极点位置方面的鲁棒性，这对于理解各种当代物理系统至关重要。