Tea Time学术活动系列邀请报告(180)

　　报告题目： 蒙特卡洛仿真与机器学习在高能核物理反问题中的应用

　　报 告 人：  庞龙刚 教授（华中师范大学粒子物理研究所）

　　时    间：5月24 日（星期一），下午2：00

　　地    点：理学院 1-401物理学科会议室

　　报告摘要：

　　极端高温与高密的条件下，夸克与胶子从核物质中释放出来，形成解禁闭的夸克胶子等离子体 QGP。这种存在于宇宙大爆炸后1微秒的核物质新形态可在大加速器上通过相对论重离子碰撞实现。QGP 的寿命只有10 的负23次方秒，实验上通过探测QGP火球冷却后的余焚 -- 强子在动量空间的分布，来反推QGP的性质。此报告分两部分，第一部分介绍高能核物理中的正问题，即给定初始条件、QGP输运性质与核物质状态方程，如何构造复杂的相对论流体力学、强子输运和部分子输运的混合蒙特卡洛模型，描述末态强子的动量分布、纵向涨落和强子极化。第二部分介绍如何使用贝叶斯分析和深度学习解决高能核物理中的反问题，从末态强子分布反推初态核结构以及动力学演化过程中的QGP性质，比如状态方程。

　　报告人简介：

　　庞龙刚，华中师范大学粒子物理研究所教授。2012年博士毕业于中国科学技术大学。2013-2019年，分别在华师粒子所，德国法兰克福高等研究中心与美国加州大学伯克利分校访问。研究方向为高能核碰撞动力学研究与机器学习。独立开发了在GPU上并行的（3+1）维相对论流体力学程序 CLVisc，部分参与强子输运程序 Smash 以及高能部分子输运程序 Jetscape 的开发。目前主要研究机器学习在高能核物理反问题中的应用，取得若干创新性的成果。在 Nature Commun., Phys. Rev. Lett.，Phys.Rev.C 等期刊发表 SCI 论文 30 多篇。主持国家自然基金面上项目一项。