Skip to main content
CenXiv.org
此网站处于试运行阶段,支持我们!
我们衷心感谢所有贡献者的支持。
贡献
赞助
cenxiv logo > hep-ph > arXiv:1903.02293

帮助 | 高级搜索

高能物理 - 现象学

arXiv:1903.02293 (hep-ph)
[提交于 2019年3月6日 ]

标题: 贝叶斯技术及其在QCD中的应用

标题: Bayesian techniques and applications to QCD

Authors:Alexander Rothkopf
摘要: 实现物理实验中产生的大量数据、现象模型和理论模拟之间相互连接的全部潜力,需要强大的统计推断工具。 在这里,我回顾了一个特别有前景的领域,贝叶斯统计,过去十年中,它在高能物理中得到了广泛的应用。 在对贝叶斯统计进行简要介绍之后,我将展示两个具体的例子,其中贝叶斯思维促进了对强相互作用物质的理解:以格点QCD谱函数形式的展开问题(在精神上类似于探测器校正),以及通过实验重离子碰撞数据与现象模型的系统比较,对夸克-胶子等离子体参数的有效估计。
摘要: Realizing the full potential of interconnecting the large amounts of data created in physics experiments, phenomenological models and theory simulations requires robust tools for statistical inference. Here I review a particularly promising branch, Bayesian statistics, which over the past decade has found manifold use in high-energy physics. After a brief introduction to Bayesian statistics I will present two concrete examples, where Bayesian thinking has led to progress in understanding strongly interacting matter: unfolding problems in the form of lattice QCD spectral functions (in spirit similar to detector corrections), as well as the efficient estimation of quark-gluon-plasma parameters from a systematic comparison of experimental heavy-ion collision data and phenomenological models.
评论: 12页,4幅图,2018年在爱尔兰梅努斯举行的第十三届强子束缚与强子谱会议上的报告
主题: 高能物理 - 现象学 (hep-ph) ; 核理论 (nucl-th); 数据分析、统计与概率 (physics.data-an)
引用方式: arXiv:1903.02293 [hep-ph]
  (或者 arXiv:1903.02293v1 [hep-ph] 对于此版本)
  https://doi.org/10.48550/arXiv.1903.02293
通过 DataCite 发表的 arXiv DOI

提交历史

来自: Alexander Rothkopf [查看电子邮件]
[v1] 星期三, 2019 年 3 月 6 日 10:31:24 UTC (1,011 KB)
全文链接:

获取论文:

    查看标题为《》的 PDF
  • 查看中文 PDF
  • 查看 PDF
  • TeX 源代码
  • 其他格式
查看许可
当前浏览上下文:
hep-ph
< 上一篇   |   下一篇 >
新的 | 最近的 | 2019-03
切换浏览方式为:
nucl-th
physics
physics.data-an

参考文献与引用

  • NASA ADS
  • 谷歌学术搜索
  • 语义学者
a 导出 BibTeX 引用 加载中...

BibTeX 格式的引用

×
数据由提供:

收藏

BibSonomy logo Reddit logo

文献和引用工具

文献资源探索 (什么是资源探索?)
连接的论文 (什么是连接的论文?)
Litmaps (什么是 Litmaps?)
scite 智能引用 (什么是智能引用?)

与本文相关的代码,数据和媒体

alphaXiv (什么是 alphaXiv?)
CatalyzeX 代码查找器 (什么是 CatalyzeX?)
DagsHub (什么是 DagsHub?)
Gotit.pub (什么是 GotitPub?)
Hugging Face (什么是 Huggingface?)
带有代码的论文 (什么是带有代码的论文?)
ScienceCast (什么是 ScienceCast?)

演示

复制 (什么是复制?)
Hugging Face Spaces (什么是 Spaces?)
TXYZ.AI (什么是 TXYZ.AI?)

推荐器和搜索工具

影响之花 (什么是影响之花?)
核心推荐器 (什么是核心?)
IArxiv 推荐器 (什么是 IArxiv?)
  • 作者
  • 地点
  • 机构
  • 主题

arXivLabs:与社区合作伙伴的实验项目

arXivLabs 是一个框架,允许合作伙伴直接在我们的网站上开发和分享新的 arXiv 特性。

与 arXivLabs 合作的个人和组织都接受了我们的价值观,即开放、社区、卓越和用户数据隐私。arXiv 承诺这些价值观,并且只与遵守这些价值观的合作伙伴合作。

有一个为 arXiv 社区增加价值的项目想法吗? 了解更多关于 arXivLabs 的信息.

这篇论文的哪些作者是支持者? | 禁用 MathJax (什么是 MathJax?)
  • 关于
  • 帮助
  • contact arXivClick here to contact arXiv 联系
  • 订阅 arXiv 邮件列表点击这里订阅 订阅
  • 版权
  • 隐私政策
  • 网络无障碍帮助
  • arXiv 运营状态
    通过...获取状态通知 email 或者 slack

京ICP备2025123034号