Модели машинного обучения для нахождения значений ненаблюдаемых параметров, описывающих центральность, при столкновениях различных ядер в энергетическом диапазоне от 40 до 200 ГэВ
Данная работа продолжает исследования возможностей моделей машинного обучения, направленные на поиск оптимального пути предсказания значений ненаблюдаемых величин, характеризующих центральность, основываясь на экспериментальных данных для наблюдаемых величин: числа заряженных частиц и числа нейтронов, рождающихся во взаимодействии ультрарелятивистских ядер. Искомыми ненаблюдаемыми величинами были число раненых нуклонов, участвующих во взаимодействии, и число бинарных нуклон-нуклонных столкновений. В качестве моделей машинного обучения были протестированы дерево решений, случайный лес и многослойный перцептрон (МП). Точность предсказания моделей характеризовалась коэффициентом детерминации R2. Получены зависимости значений R2 от начальных энергий (40 – 200 ГэВ) для разных систем сталкивающихся ядер. Установлено, что модель МП способна с хорошей точностью предсказывать значения искомых величин в широком диапазоне начальных энергий для различных систем ядерных взаимодействий.