XiaoMi-AI文件搜索系统
World File Search System撞击参数
![arXiv:2112.01916v2 [hep-ph] 2022 年 3 月 3 日](/simg/g:\will\search\icon\source\a\a9282f222bd8ac856cf833ad09b1d596db04afab.webp)
arXiv:2112.01916v2 [hep-ph] 2022 年 3 月 3 日
研究了相对论重离子碰撞中产生的带电粒子定向流的起源。将三种不同的能量密度分布初始条件Boz ˙ek-Wyskiel，CCNU和Shen-Alzhrani耦合到（3+1）维粘性流体动力学模型CLVisc中，系统地比较了它们对各向异性介质几何形状，压力梯度和径向流发展的影响。通过与RHIC和LHC的实验数据进行比较，我们发现定向流对撞击参数和时空快速度所跨越平面内初始介质剖面的倾斜度提供了独特的约束。在中等快速度内，逆时针倾斜被证明是后向/前向快速度下沿撞击参数（x）方向的压力梯度产生正/负力的关键来源，这导致介质流速的x分量相对于快速度呈现负斜率，最终形成带电粒子定向流的相同特征。
利用航天器遥测技术评估碎片撞击
由于太空物体数量不断增加，碎片撞击运行中的航天器变得越来越常见。样本返回任务表明发生了数百次小撞击，但通常只有在撞击导致航天器性能异常时才会进行严格分析。开发识别和评估不会立即导致异常行为的小撞击的技术有助于验证碎片群模型、进行风险评估并帮助确定未来异常的归因。本研究将碎片撞击引入航天器动力学模拟并评估其对航天器遥测的影响。各种信号处理和变化检测技术用于识别嘈杂遥测中的撞击并估计撞击参数。开发了匹配滤波器小波来识别对状态遥测的影响，其中误差由航天器姿态控制系统自主校正。一组匹配滤波器用于根据对航天器响应特性的先验知识来估计撞击的参数。使用顺序概率比测试来突出显示航天器角动量的突然变化。进行蒙特卡罗分析以表征这些算法的性能。在正确识别碎片撞击和准确估计撞击参数方面，比较了各种技术的结果。开发对小型碎片撞击进行分类和表征的能力使任何航天器都可以用作现场碎片传感器。
学生的问题Bruce T. Draine
（b）对于带有入射速度V 0的ˆ x − ˆ y平面运动的运动，计算一个“临界”冲击参数b 0，使得分离B 0处的相互作用能等于初始动能的1/4。（为什么1/4？由于先前对R -4电位的研究表明，对于U r -r -4，我们获得的b碰撞比相互作用能量等于初始动能E 0等于1/4的距离。当前的相互作用对R的依赖性不同，但是u（b 0）=（1 /4）e 0可能是撞击参数将“轨道”与“非孔隙”碰撞分开的效果参数的好指南。）< / div>）< / div>
由于定向流导致椭圆流的左右分裂
最近，有研究表明，在非中心相对论重离子碰撞中，椭圆流 v 2 在有限快速度下会分裂，这是由于全局涡度所致。在本研究中，我们发现有限快速度下椭圆流的这种左右（即在撞击参数轴的两侧）分裂是由于非零定向流 v 1 所致，其分裂幅度 ≈ 8 v 1 (1 − 3 v 2 ) / (3 π )。我们还使用多相传输模型（该模型自动包含涡度场和流动波动）来确认 v 2 分裂。此外，我们发现，对于相对于一阶或二阶事件平面测量的原始 v 2 和 v 1（即在应用事件平面解析之前），v 2 分裂的分析预期都成立。由于 v 2 分裂主要是由 v 1 驱动的，因此它在零横向动量（ p T ）时消失，而且它的大小和符号可能对 p T 、中心性、碰撞能量和强子种类具有非平凡的依赖性。
通过二元碰撞近似代码评估 keV 离子的轨迹相关电子能量损失
高能离子的非弹性能量沉积是许多工业规模应用（如溅射和离子注入）的决定性量，但其由动态多粒子过程控制的底层物理通常仅被定性地理解。最近，对单晶靶材进行的透射实验（Phys. Rev. Lett. 124, 096601 和 Phys. Rev. A 102, 062803）揭示了沿不同轨迹的低能离子（比质子重）的非弹性能量损失的复杂能量缩放。我们使用类似蒙特卡洛的二元碰撞近似代码，并配备与撞击参数相关的非弹性能量损失模型，以评估这些情况下局部贡献对电子激发的作用。我们将计算出的轨迹的角强度分布与实验结果进行了比较，其中 50 keV 4 He 和 100 keV 29 Si 离子在飞行时间装置中传输通过单晶硅 (001) 箔（标称厚度分别为 200 和 50 nm）。在这些计算中，我们采用了不同的电子能量损失模型，即轻弹丸和重弹丸的局部和非局部形式。我们发现，无论晶体相对于入射光束的排列如何，绝大多数弹丸最终都会沿着它们的轨迹被引导。然而，只有当考虑局部电子能量损失时，模拟的二维图和能量分布才会与实验结果高度一致，其中引导会显著减少停止，特别是对于较重的弹丸。我们通过评估离子范围与随机表面层厚度的非线性和非单调缩放来证明这些影响与离子注入的相关性。
用于带电粒子跟踪的量子模式识别算法
然而，HL-LHC 的覆盖范围依赖于比 LHC 高一个数量级的亮度，这意味着每次光束碰撞时发生的额外质子-质子相互作用的数量（也称为堆积，μ）将增加 3 到 5 倍，达到每次碰撞 140 到 200 次额外的相互作用。因此，HL-LHC 的计算环境将极具挑战性，目前的预测表明，处理数据所需的计算资源将超过预算预测。用于重建带电粒子轨迹的模式识别算法是重建模拟数据和碰撞数据事件的关键挑战。模式识别算法 [5] 可大致分为全局方法或局部方法。全局模式识别方法通过同时处理来自全探测器的所有测量值来寻找轨迹。全局方法的例子包括保角映射或变换方法，如霍夫变换 [6、7] 和神经网络 [8]。局部模式识别方法根据探测器局部区域的测量结果生成轨迹种子，然后搜索其他命中点以完成轨迹候选。局部方法的示例包括轨迹道路和轨迹跟踪方法，例如卡尔曼滤波器 [9-11]。模式识别算法通常在找到种子之后的轨迹重建序列中运行。一旦通过模式识别算法识别出沉积的能量集，就可以通过拟合算法确定轨迹的参数。用于描述轨迹的参数取决于探测器的几何形状，但通常使用五个（如果包含时间信息，则为六个）参数。轨迹参数通常包括动量（与曲率成反比）、描述传播方向的角度以及用于表征起点的撞击参数。为了说明 HL-LHC 所带来的挑战，图 1 显示了每个事件的处理时间与堆积的关系，该图使用了 ATLAS 实验使用基于卡尔曼滤波器的模式识别序列记录的数据。处理时间与 μ 的增加成比例，这是模式识别算法的典型特征。在 HL-LHC 中，μ 的预期值将明显位于曲线的右侧，因此需要大量的 CPU 资源。未来的强子对撞机（例如未来环形对撞机项目中提出的强子-强子对撞机 [ 13 ]），预计会出现更多的堆积，每个事件可能最多增加 1000 次相互作用。由于这一挑战，开发用于高能物理模式识别的新算法和新技术目前是一个非常活跃的发展领域。本文概述了正在进行的研究，以确定量子计算机在未来如何用于模式识别算法。量子计算机最早是在 40 多年前提出的 [14-16]，最初的想法是开发一种利用自然界中的量子过程来更好地模拟自然的计算机。十年后，量子算法的发展引起了人们的进一步兴趣，这些算法展示了量子计算机解决经典难题的潜力，包括质数分解 [17] 和搜索算法 [18,19]。第一台量子计算机基于现有的核磁共振技术 [20-22]。最近，我们进入了所谓的噪声中型量子 (NISQ) 时代 [23]，量子计算机具有数十个逻辑量子位，可以超越当前经典计算机的能力，尽管受到显著噪声的限制。量子位是经典计算机上用于存储信息的比特的量子类似物。目前可用的量子计算机可分为量子退火器或基于电路的量子计算机。量子退火器旨在解决特定类型的问题：最小化目标函数，由于量子隧穿效应，量子退火有望更快地解决最小化问题。D-Wave 生产目前最多 5000 个量子比特的商用量子退火器 [ 24 ]。基于电路的量子计算机可用于解决更广泛的问题，因此在概念上与当今的数字计算机更相似。它们由使用各种技术由量子比特制成的量子电路组成。目前正在探索的量子比特技术包括超导晶体管、离子阱和拓扑量子比特。例如，IBM量子退火器旨在解决特定类型的问题：最小化目标函数，由于量子隧穿效应，量子退火有望更快地解决最小化问题。D-Wave 生产商用量子退火器，目前最多有 5000 个量子比特 [ 24 ]。基于电路的量子计算机可用于解决更广泛的问题，因此在概念上与当今的数字计算机更相似。它们由使用各种技术由量子比特制成的量子电路组成。目前正在探索的量子比特技术包括超导晶体管、离子阱和拓扑量子比特。例如，IBM量子退火器旨在解决特定类型的问题：最小化目标函数，由于量子隧穿效应，量子退火有望更快地解决最小化问题。D-Wave 生产商用量子退火器，目前最多有 5000 个量子比特 [ 24 ]。基于电路的量子计算机可用于解决更广泛的问题，因此在概念上与当今的数字计算机更相似。它们由使用各种技术由量子比特制成的量子电路组成。目前正在探索的量子比特技术包括超导晶体管、离子阱和拓扑量子比特。例如，IBM