[论文解读] Heavy Quark Potential in QGP: DNN meets LQCD

Shuzhe Shi, Kai Zhou+3 more|arXiv (Cornell University)|May 18, 2021

High-Energy Particle Collisions Research被引用 5

一句话总结

本文利用深度神经网络（DNN）从格点量子色动力学（LQCD）数据中提取底夸克在夸克-胶子等离子体（QGP）中的模型无关的温度与距离依赖的实部（$V_R$）和虚部（$V_I$）势。结果发现，$V_R$ 在高达 330 MeV 的温度范围内表现出微弱的温度依赖性，而 $V_I$ 随温度和距离的增加迅速上升，且显著超过弱耦合理论的预测。

ABSTRACT

Bottomonium states are key probes for experimental studies of the quark-gluon plasma (QGP) created in high-energy nuclear collisions. Theoretical models of bottomonium productions in high-energy nuclear collisions rely on the in-medium interactions between the bottom and antibottom quarks. The latter can be characterized by the temperature ($T$) dependent potential, with real ($V_R(T,r)$) and imaginary ($V_I(T,r)$) parts, as a function of the spatial separation ($r$). Recently, the masses and thermal widths of up to $3S$ and $2P$ bottomonium states in QGP were calculated using lattice quantum chromodynamics (LQCD). Starting from these LQCD results and through a novel application of deep neural network (DNN), here, we obtain model-independent results for $V_R(T,r)$ and $V_I(T,r)$. The temperature dependence of $V_R(T,r)$ was found to be very mild between $T\approx0-330$ MeV. For $T=150-330$ MeV, $V_I(T,r)$ shows rapid increase with $T$ and $r$, which is much larger than the perturbation theory based expectations. These findings are qualitatively different from the weak-coupling-based expectations.

研究动机与目标

• 从格点量子色动力学（LQCD）结果中提取模型无关的介质中底夸克势。
• 理解实部（$V_R$）和虚部（$V_I$）在夸克-胶子等离子体（QGP）中随温度和空间分离的变化依赖关系。
• 将基于弱耦合的 $V_R$ 和 $V_I$ 预期与非微扰的 LQCD 数据进行对比，以检验其有效性。

提出的方法

• 格点量子色动力学（LQCD）计算提供了有限温度下底夸克偶素势的实部和虚部输入数据。
• 训练深度神经网络（DNN）以学习 $V_R(T,r)$ 和 $V_I(T,r)$ 对温度 $T$ 和空间分离 $r$ 的函数依赖关系。
• 通过避免预设的函数形式，设计 DNN 架构以确保模型无关性。
• 网络可在 $T$ 和 $r$ 值之间泛化，实现对原始 LQCD 网格点之外的外推与内插。
• 该方法保留了 LQCD 数据中的非微扰特征，无需假设弱耦合或现象学参数化形式。
• 通过将 DNN 预测的势与训练点处的已知 LQCD 结果进行比较，完成验证。

实验结果

研究问题

• RQ1 在 QGP 中，底夸克势的实部 $V_R(T,r)$ 如何随温度和空间分离变化？
• RQ2 势的虚部 $V_I(T,r)$ 如何随温度和距离的增加而演化？其是否超过微扰理论预期？
• RQ3 在温度范围 $T \approx 150-330$ MeV 内，提取的势与弱耦合预测的偏离程度如何？
• RQ4 深度神经网络能否准确且模型无关地从 LQCD 数据中重建介质势的完整 $T$ 与 $r$ 依赖关系？

主要发现

• 在温度范围 $T \approx 0-330$ MeV 内，势的实部 $V_R(T,r)$ 展现出极弱的温度依赖性。
• 在 $T = 150-330$ MeV 范围内，虚部 $V_I(T,r)$ 随温度和空间分离 $r$ 的增加而迅速上升。
• $V_I(T,r)$ 的上升幅度显著大于弱耦合方法的预测，表明存在强烈的非微扰效应。
• 基于 DNN 的提取方法成功捕捉了复杂的 $T$ 与 $r$ 依赖关系，且无需假设特定函数形式。
• 结果表明，QGP 中的底夸克偶素态经历显著的介质宽度，尤其在高温区域。
• 研究结果挑战了弱耦合模型在描述 $T \gtrsim 150$ MeV 时介质中底夸克偶素相互作用的有效性。