高能核物理机器学习综述被NST接收

Xun Chen等作者发表的一篇综述指出，高能核物理中的机器学习正从事件分类、模式识别转向物理集成工作流，即把物理知识更直接地纳入数据分析、模拟和物理推断。 综述涵盖的方向包括：基于贝叶斯校准提取QCD物质性质、结合重离子与中子星数据推断致密物质状态方程、生成式事件建模、神经展开、可微逆求解器、规范等变与扩散模型格点场采样器，以及全息QCD模型函数的神经重建。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。