重口味的$N_F$依赖性VFNS：FFNS和VFNS的合并
A $N_F$-Dependent VFNS for Heavy Flavors: Merging the FFNS and VFNS
摘要：
我们介绍了一种混合可变香味数计划（H-VFNS）的重口味，它结合了传统的可变香味数计划（VFNS）以及固定香味数计划（FFNS）的优点。我们包括一个明确的依赖于数量的活性风味$N_F$的帕顿分布函数（PDF）和强耦合常数$α_{S}$。这导致$N_F=\{3,4,5,6\}$的共存PDF和$α_{S}$的集合，其通过$\overline{\rm MS}$匹配条件分析相关。H-VFNS对重夸克贡献进行求和，并为每个特定数据集提供选择最佳$N_F$的自由。因此，我们可以在FFNS框架中拟合选定的HERA数据，同时保留VFNS在高尺度下分析LHC数据的优势。我们说明了如何可以实现这种适合的情况下，HERA和大型强子对撞机的数据。
英文摘要：
We introduce a Hybrid Variable Flavor Number Scheme (H-VFNS) for heavy flavors, which incorporates the advantages of both the traditional Variable Flavor Number Scheme (VFNS) as well as the Fixed Flavor Number Scheme (FFNS). We include an explicit dependence on number of active flavors $N_F$ in both the Parton Distribution Functions (PDFs) and the strong coupling constant $α_{S}$. This results in sets of coexisting PDFs and $α_{S}$ for $N_F=\{3,4,5,6\}$, that are related analytically by the $\overline{\rm MS}$ matching conditions. The H-VFNS resums the heavy quark contributions and provides the freedom to choose the optimal $N_F$ for each particular data set. Thus, we can fit selected HERA data in a FFNS framework, while retaining the benefits of the VFNS to analyze LHC data at high scales. We illustrate how such a fit can be implemented for the case of both HERA and LHC data.
机构、总结、中文摘要均由AI分析而来，可能存在错误，请以论文正文为准。
