Powered by Indico v3.0.3
Abstract:
Luescher公式是联系格点QCD能谱和实验散射相移的必要工具，如果能从数据驱动（data-driven）的角度发现这个模型无关的公式，将具有十分重要的意义。
本报告以神经网络的相关基础知识为铺垫，然后报告人将借助哈密顿有效理论（HEFT）和有限体积效应构建训练数据集，证明神经网络可以重新发现Luescher公式的数值形式，因此神经网络用于挖掘模型无关的规律时拥有巨大的潜力。最后报告人将对现今机器学习技术在AI for Science方面做一些评论和展望。
About the speaker:
陆宇，出生于江苏宿迁，2011年本科毕业于南京师范大学。2017年博士毕业于中国科学院高能物理研究所。2017-2020年在德国波恩大学从事博士后研究，2021年至今在中国科学院大学担任特别研究助理。研究兴趣包括：强子物理唯像学、数值分析、格点QCD和机器学习的交叉研究。
--------------
Meeting ID 会议号: 83461685293
Meeting URL 会议链接:: https://us02web.zoom.us/j/83461685293?pwd=8MJonmQhQr8ta1FrbSgKyVxHObehLe.1
HostKey 主持人密钥: 740212
Password 会议密码: 241108