深度学习在高能核物理中的前沿进展
随着高能核物理研究进入多维度、高复杂度数据分析阶段，深度学习技术正逐步成为理解极端条件下核物质行为的关键工具，并推动研究范式从经验驱动向数据驱动的根本转变。本文简要梳理了机器学习在该领域的演进，并着重介绍了深度学习方法在其中的前沿进展：早期（20世纪末至21世纪10年代）研究主要采用人工神经网络和支持向量机等传统算法，通过核质量预测、相变识别等任务验证了机器学习处理核物理问题的可行性，但受限于人工特征提取和计算能力的制约，尚未触及物理特征的自主挖掘；深度学习时代（21世纪10年代至今），研究者创新性地引入点云网络架构，通过直接处理末态粒子四动量数据，不仅突破了传统方法依赖人工构造统计观测量的局...
Saved in:
| Main Authors: | , , , , |
|---|---|
| Format: | Article |
| Language: | zho |
| Published: |
Science Press
2025-05-01
|
| Series: | He jishu |
| Subjects: | |
| Online Access: | https://www.sciengine.com/doi/10.11889/j.0253-3219.2025.hjs.48.250130 |
| Tags: |
Add Tag
No Tags, Be the first to tag this record!
|