論文の概要: Learning Pole Structures of Hadronic States using Predictive Uncertainty Estimation

• arxiv url: http://arxiv.org/abs/2507.07668v1
• Date: Thu, 10 Jul 2025 11:49:17 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-07-11 16:40:15.378732
• Title: Learning Pole Structures of Hadronic States using Predictive Uncertainty Estimation
• Title（参考訳）: 予測不確かさ推定を用いたハドロン状態の極構造学習
• Authors: Felix Frohnert, Denny Lane B. Sombrillo, Evert van Nieuwenburg, Patrick Emonts,
• Abstract要約: 極構造を$S$-matrix要素に分類するための不確実性を考慮した機械学習手法を提案する。 我々のフレームワークは、他の候補ハドロン状態にも広く適用でき、散乱振幅における極構造推論のためのスケーラブルなツールを提供する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Matching theoretical predictions to experimental data remains a central challenge in hadron spectroscopy. In particular, the identification of new hadronic states is difficult, as exotic signals near threshold can arise from a variety of physical mechanisms. A key diagnostic in this context is the pole structure of the scattering amplitude, but different configurations can produce similar signatures. The mapping between pole configurations and line shapes is especially ambiguous near the mass threshold, where analytic control is limited. In this work, we introduce an uncertainty-aware machine learning approach for classifying pole structures in $S$-matrix elements. Our method is based on an ensemble of classifier chains that provide both epistemic and aleatoric uncertainty estimates. We apply a rejection criterion based on predictive uncertainty, achieving a validation accuracy of nearly $95\%$ while discarding only a small fraction of high-uncertainty predictions. Trained on synthetic data with known pole structures, the model generalizes to previously unseen experimental data, including enhancements associated with the $P_{c\bar{c}}(4312)^+$ state observed by LHCb. In this, we infer a four-pole structure, representing the presence of a genuine compact pentaquark in the presence of a higher channel virtual state pole with non-vanishing width. While evaluated on this particular state, our framework is broadly applicable to other candidate hadronic states and offers a scalable tool for pole structure inference in scattering amplitudes.
• Abstract（参考訳）: 理論的予測と実験データとのマッチングは、ハドロン分光における中心的な課題である。 特に、しきい値に近いエキゾチック信号が様々な物理的メカニズムから生じるため、新しいハドロン状態の同定は困難である。 この文脈における重要な診断は散乱振幅の極構造であるが、異なる構成で同様のシグネチャを生成することができる。 極配置と直線形状のマッピングは、特に質量閾値付近であいまいであり、分析制御は限られている。 本研究では,極構造を$S$-matrix要素で分類するための不確実性を考慮した機械学習手法を提案する。 本手法は, 疫学的およびアレタリックな不確実性推定を行う分類器チェーンのアンサンブルに基づく。 予測の不確実性に基づく拒絶基準を適用し、精度は9,5\%近くで、高い不確実性予測のごく一部を破棄する。 このモデルは、既知の極構造を持つ合成データに基づいて、LHCbで観測された$P_{c\bar{c}}(4312)^+$状態に関連する拡張を含む、これまで見つからなかった実験データに一般化される。 本研究では, 真のコンパクトペンタクォークの存在を表す4極構造を, 非消滅幅の高チャネル仮想状態極の存在下で推定する。 この状況で評価しながら、我々のフレームワークは他の候補ハドロン状態にも広く適用でき、散乱振幅における極構造推論のためのスケーラブルなツールを提供する。

関連論文リスト

• Avoided-crossings, degeneracies and Berry phases in the spectrum of quantum noise through analytic Bloch-Messiah decomposition [49.1574468325115]
  解析的ブロッホ・メシア分解 (analytic Bloch-Messiah decomposition) は量子光学系の力学を特徴づけるためのアプローチを提供する。 単一パラメータが変化した場合,回避された交差は自然に発生し,特異ベクトルの過敏性をもたらすことを示す。 我々は,避けられた交差を意図的に設計することで,フォトニックシステムのスペクトル応答をプログラムできる可能性を強調した。
  論文  参考訳（メタデータ） (2025-04-29T13:14:15Z)
• Model-free Estimation of Latent Structure via Multiscale Nonparametric Maximum Likelihood [13.175343048302697]
  そこで我々は,そのような潜在構造がいつでも存在すると仮定することなく,その存在を推定するためのモデルフリーな手法を提案する。 アプリケーションとして,提案手法に基づくクラスタリングアルゴリズムを設計し,広範囲の潜伏構造を捕捉する手法の有効性を実証する。
  論文  参考訳（メタデータ） (2024-10-29T17:11:33Z)
• Inferring Kernel $ε$-Machines: Discovering Structure in Complex Systems [49.1574468325115]
  本稿では,カーネル因果状態推定を縮小次元空間における座標の集合として符号化する因果拡散成分を提案する。 それぞれのコンポーネントがデータから予測機能を抽出し,そのアプリケーションを4つの例で示す。
  論文  参考訳（メタデータ） (2024-10-01T21:14:06Z)
• Prototype-based Aleatoric Uncertainty Quantification for Cross-modal Retrieval [139.21955930418815]
  クロスモーダル検索手法は、共通表現空間を共同学習することにより、視覚と言語モダリティの類似性関係を構築する。 しかし、この予測は、低品質なデータ、例えば、腐敗した画像、速いペースの動画、詳細でないテキストによって引き起こされるアレタリック不確実性のために、しばしば信頼性が低い。 本稿では, 原型に基づくAleatoric Uncertainity Quantification (PAU) フレームワークを提案する。
  論文  参考訳（メタデータ） (2023-09-29T09:41:19Z)
• Improved access to the fine-structure constant with the simplest atomic systems [0.0]
  本研究では,バウンド電子$g$係数と基底状態エネルギーの適切な重み付け差において,核構造効果を効果的に抑制できることを示す。 この方法では、既存のまたは近未来のペニングトラップとX線分光技術により、独立した$alpha$が提供されることが期待されている。
  論文  参考訳（メタデータ） (2020-06-25T09:09:41Z)
• Gaussian Process States: A data-driven representation of quantum many-body physics [59.7232780552418]
  我々は、絡み合った多体量子状態をコンパクトに表現するための、新しい非パラメトリック形式を示す。 この状態は、非常にコンパクトで、体系的に即効性があり、サンプリングに効率的である。 また、量子状態に対する普遍的な近似器として証明されており、データセットのサイズが大きくなるにつれて、絡み合った多体状態も捉えることができる。
  論文  参考訳（メタデータ） (2020-02-27T15:54:44Z)
• Towards a Kernel based Uncertainty Decomposition Framework for Data and Models [20.348825818435767]
  本稿では,データとモデルの両方において予測の不確実性を定量化する新しいフレームワークを提案する。 我々は,このフレームワークを,点予測ニューラルネットワークモデルの予測不確実性定量化のためのサロゲートツールとして応用する。
  論文  参考訳（メタデータ） (2020-01-30T18:35:36Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。