NNPDF - NNPDF

tento článek ne uvést žádný Zdroje. Prosím pomozte vylepšit tento článek podle přidávání citací ke spolehlivým zdrojům. Zdroj bez zdroje může být napaden a odstraněn. Najít zdroje: „NNPDF“  – zprávy  · noviny  · knihy  · učenec  · JSTOR (Července 2017) (Zjistěte, jak a kdy odstranit tuto zprávu šablony)

tento článek může být nepochopitelný nebo velmi těžko pochopitelný. Pomozte prosím přeformulovat, pokud lze určit zamýšlený význam. The diskusní stránka může mít podrobnosti. (Července 2017) (Zjistěte, jak a kdy odstranit tuto zprávu šablony)

NNPDF

Vývojáři	Spolupráce NNPDF
Stabilní uvolnění	3.1
Typ	Fyzika částic
webová stránka	nnpdf.profil.org

NNPDF je zkratka používaná k identifikaci distribuční funkce parton ze spolupráce NNPDF. Hustoty partonů NNPDF jsou extrahovány z globálních shod k datům na základě kombinace a Monte Carlo metoda pro odhad nejistoty a použití neuronové sítě jako základní interpolační funkce.

Metodologie

Strategie spolupráce NNPDF je shrnuta v tomto diagramu.

Přístup NNPDF lze rozdělit do čtyř hlavních kroků:

• Generování velkého vzorku replik původních experimentálních dat Monte Carlo tak, aby byly centrální hodnoty, chyby a korelace reprodukovány s dostatečnou přesností.
• Školení (minimalizace ${displaystyle chi ^ {2}}$) sady PDF parametrizovaných pomocí neuronové sítě na každé z výše uvedených replik MC dat. Soubory PDF jsou parametrizovány v počátečním měřítku vývoje ${displaystyle Q_ {0} ^ {2}}$ a poté se vyvinuly do škály experimentálních dat ${displaystyle Q ^ {2}}$ prostřednictvím DGLAP rovnice. Protože je parametrizace PDF nadbytečná, je strategie minimalizace založena na genetické algoritmy stejně jako minimalizátory založené na gradientním sestupu.
• Výcvik neuronové sítě se před vstupem do režimu overlearningu dynamicky zastaví, to znamená, aby se soubory PDF naučily fyzikální zákony, které jsou základem experimentálních dat, aniž by současně odpovídaly statistickému šumu.
• Jakmile je školení replik MC dokončeno, lze na sadu PDF použít sadu statistických odhadů, aby bylo možné vyhodnotit statistickou konzistenci výsledků. Například lze explicitně ověřit stabilitu s ohledem na parametrizaci PDF.

Sada ${displaystyle N_ {rep}}$ Sady PDF (trénované neuronové sítě) poskytují reprezentaci základní hustoty pravděpodobnosti PDF, ze které lze vypočítat jakýkoli statistický odhad.

Příklad

Na následujícím obrázku je gluon na malé-x od analýza NNPDF1.0, dostupné prostřednictvím rozhraní LHAPDF

• 

  Gluon NNPDF1.0

Zprávy

Vydání NNPDF jsou shrnuta v následující tabulce:

Sada PDF	DIS data	Data společnosti Drell-Yan	Jet data	Data LHC	Nezávislý parametr z ${displaystyle s}$ a ${displaystyle {ar {s}}}$	Těžké masy kvarku	NNLO
NNPDF3.1	Ano	Ano	Ano	Ano	Ano	Ano	Ano
NNPDF3.0	Ano	Ano	Ano	Ano	Ano	Ano	Ano
NNPDF2.3	Ano	Ano	Ano	Ano	Ano	Ano	Ano
NNPDF2.2	Ano	Ano	Ano	Ano	Ano	Ano	Ano
NNPDF2.1	Ano	Ano	Ano	Ne	Ano	Ano	Ano
NNPDF2.0	Ano	Ano	Ano	Ne	Ano	Ne	Ne
NNPDF1.2	Ano	Ne	Ne	Ne	Ano	Ne	Ne
NNPDF1.0	Ano	Ne	Ne	Ne	Ne	Ne	Ne

Všechny sady PDF jsou k dispozici prostřednictvím rozhraní LHAPDF a v Webová stránka NNPDF.

externí odkazy

• Domovská stránka NNPDF Collaboration
• Stáhněte si distribuční sady NNPDF Parton
• Analýza NNPDF1.0
• Non-Singlet analýza NNPDF
• Vydání NNPDF3.1
• NNPDF nejnovější kód kování
• Rozhraní LHAPDF