【摘 要】
:
探测粒子发射源的时空信息是高能核—核碰撞实验的重要研究内容,而π干涉学分析是人们获取高能碰撞系统时空结构的有效方法。多相输运模型(AMPT模型)是模拟相对论重离子对撞
论文部分内容阅读
探测粒子发射源的时空信息是高能核—核碰撞实验的重要研究内容,而π干涉学分析是人们获取高能碰撞系统时空结构的有效方法。多相输运模型(AMPT模型)是模拟相对论重离子对撞机(RHIC)和大型强子对撞机(LHC)能区核—核碰撞的较为成熟的模型,本文所要研究的就是对AMPT模型产生的高能核—核碰撞粒子发射源的2π和3π干涉学分析。本文第一章简要介绍了高能核—核碰撞物理的发展、碰撞产生系统演化的主要过程和π干涉学的发展。本文第二章阐述了2π干涉学理论、3π干涉学公式和AMPT模型。在此基础之上,本文第三、四章分别对弦融化AMPT模型版本模拟高能核—核碰撞事件进行了 2π和3π干涉学分析。在第三章研究了 2π关联函数随π介子冻出时间和横向动量的变化,分析了碰撞参数和共振态衰变对2π关联函数的影响。在第四章研究了 3π关联函数和纯3π关联函数对π介子动量和碰撞能量的依赖性,分析了碰撞参数和共振态衰变对3π关联函数的影响,并对归一化3π关联因子进行了研究。本文研究结果表明,较早冻出的π介子有较强的2π关联,对应于较小的空间发射源尺度。AMPT模型模拟的相对论核一核碰撞粒子发射源的2π和3π关联函数随着π介子动量的增加而增加,反映了膨胀源粒子发射空间与动量存在的关联。当碰撞参数增加,粒子发射源空间尺度变小,2π和3π关联函数值会稍有变大。而当包括了共振态衰变的π介子之后,2π和3π关联函数会有所减弱。对归一化3π关联因子的研究表明,AMPT模型给出的RHIC每核子对质心系能量为200 GeV的Au-Au碰撞的π介子发射源是高度非相干的。
其他文献
Bezier曲线以及B样条曲线在传统几何设计中具有举足轻重的作用.近年来,随着几何工业的发展,传统Bezier曲线以及B样条曲线因其本身的缺陷已经很难满足人们的需要.与此同时许多有理形式的Bezier曲线被提出来,这解决了传统方法的问题,但有理化方法不仅存在渐进问题,而且权因子的使用不当会对曲线曲面设计产生一定的破坏性.鉴于上述问题,大量带形状参数的类Bernstein基或类B样条基孕育而出.目前
为满足尖端技术领域对钨合金零件提出的高表面质量要求,需对钨合金零件进行精密/超精密加工。但目前采用切削等方式加工时存在严重的刀具磨损现象,使获得的钨合金零件表面质
随着工业制造等行业的迅猛发展,工艺水平不断提高,作为保证产品质量的测量定位工作也变得愈发重要,实现高精度的自动化定位成为研究热点和难点。相较于人工定位,激光定位具有检测精度高、安全性好、操作便捷等优点,但是传统的激光中心位置检测算法对光斑形态要求较高,在光斑出现一定畸变时,计算结果可能会出现较大误差。因此,需要提高复杂情况下的激光光斑中心检测精度,保证测量工作的顺利完成。本文的主要研究内容是激光光
论文主要研究塔里木盆地柯坪、巴楚、塔中和塔北地区寒武系盐下肖尔布拉克组白云岩,以碳酸盐岩沉积岩石学、石油地质学、储层地质学等多门学科为理论基础,结合野外露头、岩心
红外探测技术在军事、农业、工业、交通、航空航天、医疗等领域有广泛应用。作为红外探测技术的核心器件,红外探测器及其应用技术是各国争先发展的热点和核心。扩大红外探测器成像面阵规模、缩小像元尺寸是红外探测器发展的主流方向。对红外探测器的验证测试是检验红外探测器性能品质的重要环节,也是红外探测器后端工艺改进的重要依据和支撑。多通道大面阵红外探测器在天文观测、光度测量、对地观测等领域有着至关重要的作用。我国
长周期结构因其特殊的显微组织和优异的性能而广泛受到研究者们的关注。由于其堆垛结构的复杂性以及其独特的组织结构,人们在对长周期结构物质在进行EBSD分析时,发现电子束入
在日常表达中,我们使用隐喻表达抽象的认知体验或者传达审美感受。同时,我们的认知思维机制和概念系统是建立在隐喻之上。因此,隐喻机制的计算实现是自然语言处理任务中必不可少的一环。隐喻计算旨在发掘和表征语言中普适存在的隐喻机制,一般包含如下两个方面的内容:一是识别语料中的隐喻表达,与非隐喻表达进行区分;二是描述隐喻的表述意义,实现隐喻意义的有效理解。本文基于隐喻的认知与语言学特性,运用相关计算模型,解决
近年来,随着科学技术的进步,收集到数据的维数也越来越大。因此如何有效地从海量数据中挖掘出有用的信息逐渐成为科学研究的热点问题。尤其是在生物统计以及基因研究的领域,数据的维度通常都是远高于样本数量(n>>p),又称之为超高维数据。目前统计学中的多数方法以及很多机器学习中的算法只能适用于低维数据,而高维以及超高维领域的研究却相对较少。在超高维的研究范畴中,通常会先将数据的维度降低到可以处理
经历了多年的发展,人工神经网络演化出多种独特的结构。卷积神经网络(CNN)由于在计算机视觉、语音识别和自然语言处理等领域的出色表现引起了研究人员的广泛关注。然而,随着CNN的功能越来越强大其网络模型也越来越庞大,训练耗时,对硬件要求苛刻等一系列问题制约着CNN的发展。因此,对CNN模型压缩的需求应声而出。针对上述问题,本文提出了一种基于逐步修剪策略的CNN模型压缩方法。与前人通过对权重修剪以减少C
人群踩踏事件是现代生活中非常危险的事故之一,给人类的生存安全带来了极大的威胁,有效的抑制踩踏事故的发生对于现代化城市建设来说是必不可少。目前,通过将人群密度估计(或者人群计数)技术与人群行为分析相结合可以有效的分析场景中的异常事件,对危险做出预警,这也是目前比较有效的预防踩踏事件的措施之一。但人群计数任务本身容易受到图像中的透视、拥挤、遮挡、密度等因素的干扰,造成图像中的人头在尺度、外貌上出现比较