机器学习在强子物理中的应用

Application of Machine learning in hadron physics

一、报告时间：2025年7月2日下午14：00--15：30

二、报告地点：物理学院 302会议室

三、主 持 人：杨智 研究员

四、主 讲 人：王倩 华南师范大学教授

五、主讲人简介：
  王倩，女，1984年出生于辽宁省。2012年毕业于中国科学院高能物理研究所，博士学位论文被评为“2015年中国科学院百篇优秀博士论文”之一。2012年8月至2015年12月，在德国于利希研究中心从事博士后研究工作。2016年1月转到德国波恩大学担任研究助理。自2016年7月起，担任由我国自然科学基金委（NSFC）和德国科学基金会（DFG）共同资助的重大国际合作项目CRC110 “Symmetries and the Emergence of Structure in QCD”中子项目B.3德方项目负责人。2019年全职回到华南师范大学。

主要从事强子物理方面的研究，其研究成果是国内外大科学装置（例如：欧洲核子中心的大型强子对撞机(LHC)，我国的正负电子对撞机(BEPC)等）的重要物理目标之一。目前，已在Physical Review Letters(PRL)、Physical Review D(PRD)、Physics Letter B(PLB)、The European Physics Journal C(EPJC)等国际著名物理学术刊物上发表文章30余篇，据高能数据库INSPIRE统计，截至2019年9月，总引用1500余次，其中单引超过250次的文章1篇，单引超过100次的文章2篇，单引超过50次的文章8篇（文章不重复计算）。基于其在该领域内的一系列有影响力的工作，她和合作者受国际物理学界最权威的综述性评论期刊Reviews of Modern Physics(影响因子36.367)邀请，撰写关于强子分子态的综述性文章“Hadronic molecules”。从2018年发表至今，该文章被引用281次。她还担任PRD，EPJC，EPJA, CPC，NPA等国际著名物理学术刊物的审稿人。被欧洲物理期刊评为2016年优秀审稿人。

六、内容简介：

   近些年人工智能技术的飞速发展为物理研究提供了新的强大工具。本讲座聚焦机器学习方法在强子物理中的应用，重点介绍两项代表性工作：

   1. 有限体积外推的普适化： 有限体积外推是提取格点计算物理可观测量不可或缺的步骤，但对长程相互作用系统构成显著挑战。我们应用符号回归（Symbolic Regression）技术，成功回归出同时适用于短程和长程相互作用的有限体积外推公式。该公式保持指数形式，但引入一个依赖力程的幂次因子 L^n。研究发现，随着力程减小，幂次 n 相应减小；当力程足够短时，n 收敛于 -1，自然重现了经典的短程公式。这一成果显著推进了格点计算中物理可观测量提取的精度和适用范围。

   2. 隐粲五夸克态性质解析： 针对 Pc(4312)、Pc(4440) 和 Pc(4457) 等隐粲五夸克态，我们在无π介子有效场理论（Pionless EFT）框架下，创新性地采用神经网络方法进行研究。对比传统的 χ² 拟合方法，神经网络展现出显著优势：它能够有效区分传统方法无法判定的 Pc(4440) 与 Pc(4457) 的量子数。相较于拟合方法，神经网络能够更高效、更直接地挖掘和利用实验数据信息。该研究为基于神经网络从质量谱预测奇特强子态的内在性质提供了新的深刻见解。