XiaoMi-AI文件搜索系统
World File Search SystemParton
![arxiv：2401.16208v1 [hep-ph] 2024年1月29日](/simg/c\c892bb3e7837bb02ea448926724b7b4181832ccc.webp)
arxiv：2401.16208v1 [hep-ph] 2024年1月29日
量子算法最近成为有希望解决粒子物理领域复杂问题的有前途的途径[1]。在高能量壁炉中发生的事件，例如CERN的大型强子对撞机（LHC），通常通过根据其子过程的特征能量量表进行分解来分析它们。在这方面，量子算法在粒子物理学中的最新应用已经考虑了碰撞的特定方面。例如，已经探索了量子算法以进行轨道重建[2、3、4]和喷气聚类[5、6、7、8]，包括分析在培养基中[9，10，11]中的JET形成。的应用还包括Parton阵雨[12、13、14]，量子机学习[15、16、17]的模拟以及Parton密度的确定[18]。在大多数理论方面，量子算法已被用于评估螺旋性振幅[19]和基本过程的颜色代数[20]，并已应用于选择Multiloop Feynman Dia-Grams的因果构型[21，22，22，23，23，24]。这也关注量子积分器[25，26，27]，包括它们在循环Feynman积分中的应用[28]。
![arxiv：2501.07059v1 [hep-ph] 2025年1月13日](/simg/c\c677071b73f8ab5ae91fb38598dd8862aaf4645a.webp)
arxiv：2501.07059v1 [hep-ph] 2025年1月13日
在标准模型中，大多数粒子都是合并的。研究这些合并颗粒的内部结构引起了相当大的兴趣，并且Parton分布函数（PDF）可以在这个方向上有所帮助。PDF表征了pyston在π，k，p等复合粒子中的动量分布。作为所有哈子中最轻的π媒介，是核力量的中介粒子，在结合核子一起起着至关重要的作用，形成各种原子核以及创建Comper-Plex Hadroonic Systems。是基于Pion诱导的Drell-Yan profess进行的广泛理论研究，涵盖了方位角自旋不对称[1，2]，EMC效应[3，4]和PION PDFS [5-12]。在复合颗粒中，由于它们构成原子核，因此对nu cleons的探索也特别突出。核子的Parton分布称为核部分分布函数（NPDFS）。The EMC effect describes the modification of nPDFs in bound nuclei, first observed by the European Muon Collaboration in 1983 [13] in muon-induced deep inelas- tic scattering (DIS) experiments, which found that the per-nucleon cross section for iron, relative to that of the deuteron, is reduced in the region where the Bjorken vari- able lies around 0.3至0.7。这与Intial的期望有所不同，这表明由于能量尺度分离而导致的Nu-Clear结构的分布不会影响核子结构。之后，在不同的nu clei中已经验证了EMC效应[14-17]。尽管已经提出了许多解释来解释EMC效应，但这种效果的机制仍不清楚。最近，重点关注EMC效应与短距离关系对（SRC）之间的关系的研究吸引了显着的关注[18-25]。src暗示核子仅在核子旋转成SRC对时才会暂时进行模拟，这些
机器学习符合高X相位空间
随着LHC过渡到精确测量机，质子Parton分布函数（PDFS）已成为分析的不确定性的主要来源，例如顶部夸克质量或HIGGS玻色子宽度的测量值。此外，在LHC处探测最有能力的碰撞时，高摩肌分数（High-X）尤其感兴趣。因此，在此制度中理解并有可能减少PDF不确定性至关重要。使用机器学习技术，我们构建了对High-X机制中Gluon PDF敏感的判别，将在将来的PDF拟合中使用。
坎伯兰村的公司
2024年10月1日，下午5:30 Council Chamber, 2675 Dunsmuir Avenue Council Present: Mayor Vickey Brown Councillor Neil Borecky Councillor Sean Sullivan Councillor Troy Therrien Staff Present: Michelle Mason, Chief Administrative Officer Annie Berard, Director of Corporate Services Courtney Simpson, Director of Development and Bylaw Services Rob Crisfield, Director of Engineering and Public Works Rachel Parker, Corporate Officer Seamus McConville, Planner 1 Ryan娱乐和文化经理帕顿（Parton）
二维 QCD 中的纠缠熵和流
我们讨论了在二维 (2D) 大 N c 规范理论中，在光前沿量化狄拉克夸克，快自由度和慢自由度之间的量子纠缠。利用 ' t Hooft 波函数，我们为动量分数 x 空间中的某个间隔构建了约化密度矩阵，并根据结构函数计算其冯诺依曼熵，该结构函数由介子（一般为强子）上的深非弹性散射测量。我们发现熵受面积定律的约束，具有对数发散，与介子的速度成正比。纠缠熵随速度的演化由累积单重态部分子分布函数 (PDF) 确定，并从上方以 Kolmogorov-Sinai 熵 1 为界。在低 x 时，纠缠表现出渐近展开，类似于 Regge 极限中的前向介子-介子散射振幅。部分子 x 中每单位快速度的纠缠熵的演化测量了介子单重态 PDF。沿单个介子 Regge 轨迹重合的纠缠熵呈弦状。我们认为，将其扩展到多介子状态可模拟大型 2D“原子核”上的深度非弹性散射。结果是纠缠熵随快速度的变化率很大，这与当前最大量子信息流的 Bekenstein-Bremermann 边界相匹配。这种机制可能是当前重离子对撞机中报告的大量熵沉积和快速热化的起源，并且可能扩展到未来的电子离子对撞机。
NISQ算法的矩阵元素
对质子的深层非弹性散射提供了第一个证据，表明哈德子不是基本的，而是由夸克组成[1，2]。这是确定质子内部分布函数（PDF）的必不可少的工具，在质子内进行横截面预先分解所需的。但是，带电的瘦素相互作用，仅探测被充电的夸克的密度。必须推断出中性胶子的密度，这可以通过研究夸克PDF如何以由交换的虚拟光子质量设定的比例来发展来完成。这些PDF以拟合[3-5]的拟合确定，包括尤其是E±P散射[6，7]，在PP碰撞中，向量玻色子[8-11]和重型Quarks [12-15]的正向产生[12-15]。由于缺乏低x的数据，Parton携带的强子动量的比例，归因于Gluon PDF的不确定性在低x时很大，甚至与X的gluon密度兼容，甚至与x [16]兼容。因此需要其他方法才能访问Gluonic PDF。PP碰撞中的中央独家媒介产生（CEP）是单个介子的准弹性生产，使质子完好无损。独家志生产的产生是由一个接近其质量壳的虚拟光子转换为CC对，后者将其放到J /ψ或ψ（2 s）介子中。这些过程在魅力夸克质量的尺度上探测了gluonic pdf。该过程的排他性要求，在领先顺序上，目标强子可以改变两个胶子。1。因此，横截面大约缩放为Gluon密度平方[17-20]。过程和主要背景如图
物理学中的熵：定义概述和...
在现代物理学中，熵是一个众所周知的重要数量。在其核心上，熵是分布的概率的函数，该概率旨在描述由该分布表示的随机过程的不确定性。但是，它已用于许多不同的领域，因此有许多解释。此外，许多不同的功能都以熵的名称进行了分组，所有功能都具有自己的用途和解释。在这项工作中，我们讨论了许多这些功能的定义，起源和解释以及它们如何结合在一起。我们还将明确介绍熵在物理学中发现的某些应用，尤其是在量子物理学中。这些应用包括热力学，量子力学的测量不确定性，密度矩阵形式主义的混合性测量，相位空间形式主义，纠缠量的测量以及QCD中的Parton分布。
机器学习辅助测量Lepton-Jet方位角角度不对称在HERA的深弹性散射中
在深度无弹性正面散射中，使用与HERA的H1检测器收集的数据测量Lepton-Jet方位角不对称性。When the average transverse momentum of the lepton-jet sys- tem, lvert ⃗ P ⊥ rvert , is much larger than the total transverse momentum of the system, lvert⃗q ⊥ rvert , the asymmetry between parallel and antiparallel configurations, ⃗ P ⊥ and ⃗q ⊥ , is expected to be gener- ated by initial and final state soft gluon radiation and can be predicted using perturbation theory.量化不对称的角度特性提供了对强力的额外测试。研究不对称性对于通过横向动量依赖（TMD）Parton分布函数（PDFS）产生的固有不对称的未来测量很重要，其中这种不对称构成了主要背景。方位角不对称的力矩是使用机器学习方法来测量不需要归安宁的。