arXiv cs.AI· Wenjie He, Xiaohui Liu, Yandong Liu, Zhan Wang·· 10 天前AI 评分22
AI 开发局部红外减除：LLM 构建 NLO 与 NNLO 喷注计算
Infrared Subtraction with Artificial Intelligence
AI 导读
研究团队在人类物理指导下由 LLM 开发出局部红外减除框架，将可积辐射项与 Born 运动学处的有限贡献（Born contact）分离，contact 项由 N-jettiness 等分辨率观测量下的 EFT 奇异分布确定。
正文 · AI 翻译
摘要：我们提出了 AI 开发的局部红外减除，其建立在投影到 Born 和 EFT 匹配的基础上。该框架将可积辐射项与 Born 运动学下的有限贡献分离开来，后者称为 Born contact。该 contact 通过分辨率观测量（如 N-jettiness $\tau_N$）中的 EFT 奇异分布来确定。在人类物理学指导下，一个 LLM 开发了两种实现。一种使用神经网络进行相空间投影，并通过匹配 EFT 累积量来拟合 contact。另一种使用解析构造，在保持 Born 动量固定的同时对辐射进行积分。它将 EFT $\delta(\tau_N)$ 系数与有限四维辐射积分相结合，直接计算 contact 项。这给出了一个无需切片参数的局部减除公式，同时复用了现有的低阶辐射计算和 EFT 奇异预测。作为演示，我们重建了电子-正电子湮灭中无质量 3 喷注和 4 喷注产生的完整 NLO 修正。通过递归使用 NLO P2B 构造，并由 LLM 设计机器学习控制以减少 contact 积分的方差，还尝试了 NNLO 双喷注产生。测试预测与 EERAD3 吻合良好。数值计算和投影网络训练使用 2020 款 Apple M1 MacBook，无 GPU 加速，说明了该构造在有限计算资源下的可行性。附录将局部减除扩展到 3 喷注 NNLO，给出了显式辐射映射和所提出的 contact 公式。我们还展示了如何在保持 Born 动量固定的情况下对 NNLO 辐射进行积分，适用于任意数量的无质量末态喷注。我们的结果展示了 AI 如何通过构造红外减除并改进其数值积分来帮助高阶计算。
| 评论： | 31 页，11 幅图。参考文献和正文已更新，包括由 LLM 直接在四维 P2B+EFT 减除中计算出的解析 NNLO 双喷注 contact 项。用于复现这些图的基于 LLM 的智能体提示词和伪代码可在 Ancillary Files 部分获取。用于复现解析 contact 项的提示词可应要求提供 |
| 主题： | 高能物理 - 唯象学 (hep-ph)；人工智能 (cs.AI)；高能物理 - 实验 (hep-ex)；核实验 (nucl-ex)；核理论 (nucl-th) |
| 引用为： | arXiv:2609.36007 [hep-ph] |
| （或 arXiv:2609.36007v3 [hep-ph] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2609.36007 arXiv 颁发的 DOI 通过 DataCite |
提交历史
来自：Xiaohui Liu [查看电子邮件]
[v1]
2026 年 9 月 28 日星期一 18:00:09 UTC（976 KB）
[v2]
2026 年 9 月 30 日星期三 17:01:23 UTC（977 KB）
[v3]
2026 年 10 月 6 日星期二 16:02:25 UTC（977 KB）
来源：arXiv cs.AI · arxiv.org