In this work, we compare two powerful parameter estimation methods namely Bayesian inference and Neural Network based learning to study the quark matter equation of state with constant speed of sound parametrization and the structure of the quark stars within the two-family scenario. We use the mass and radius estimations from several X-ray sources and also the mass and tidal deformability measurements from gravitational wave events to constrain the parameters of our model. The results found from the two methods are consistent. The predicted speed of sound is compatible with the conformal limit.
Comparative study of hyperon-nucleon interactions of quark model and chiral effective field theory by low-momentum equivalent interactions and $G$ matrices
通过研究低动量空间中的等效相互作用和计算对称核物质中最低阶Brueckner理论中的超子单粒子势，比较了由Kyoto-Niigata SU $_6$夸克模型和手征有效场论两种框架构建的超子-核子相互作用.两种描述给出了类似的矩阵元素，在大多数通道重正化后的高动量分量。虽然两种势中的$ΛN$相互作用的范围不同，但核物质中的$Λ$单粒子势非常相似。还发现$Σ$ -核电位和$Ξ$ -核电位相似。这些预测将与即将到来的实验数据相对照。
Determination of the quark-gluon string parameters from the data on pp, pA and AA collisions at wide energy range using Bayesian Gaussian Process Optimization
Bayesian inference favors quark matter in neutron star interiors
University of Wroclaw（弗罗茨瓦夫大学）；A. Alikhanyan National Science Lab（阿利哈尼亚扬国家科学实验室）；Helmholtz-Zentrum Dresden-Rossendorf (HZDR)（德累斯顿-罗斯多夫亥姆霍兹中心）；Center for Advanced Systems Understanding (CASUS)（先进系统理解中心）
Universidade Federal de Santa Catarina（圣卡塔琳娜联邦大学）；Instituto Tecnológico de Aeronáutica（航空技术学院）；Universidade Estadual da Região Tocantina do Maranhão（马拉尼昂托坎蒂纳地区州立大学）；Universidade Federal do Maranhão（马拉尼昂联邦大学）
Applying Bayesian parameter estimation to relativistic heavy-ion collisions: simultaneous characterization of the initial state and quark-gluon plasma medium
Bayesian inference of dense matter EOS encapsulating a first-order hadron-quark phase transition from observables of canonical neutron stars
【目的】利用LIGO/VIRGO、NICER和Chandra等机构报道的典型NS半径数据，推导描述强子-夸克一阶相变的致密丰中子物质状态方程的后验概率分布函数（PDF）和9个参数的相关性。我们还推断了1.4 M $_{\odot}$ NS中的夸克物质（QM）质量分数及其半径，并预测了它们在更大质量NS中的值。[方法]在贝叶斯统计框架下，采用马尔可夫链蒙特卡罗抽样方法，利用元模型生成强子和量子态观测系统。一个明确的同位旋相关的参数状态方程的$npeμ$物质在NS在$β$平衡连接通过麦克斯韦建设的QM状态方程所描述的恒定声速（CSS）模型的Alford，汉和Prakash。[结果]（1）在68%置信水平下，强子-夸克跃迁密度$ρ_t/ρ_0$和相对能量密度跃迁$\De\ep/\ep_t$的最可几值分别为$ρ_t/ρ_0=1.6^{+1.2}_{-0.4}$和$\De\ep/\ep_t=0.4^{+0.20}_{-0.15}$。相应的概率分布的QM分数在1.4 M $_{\odot}$ NS峰值约0.9在10公里的球体。与$ρ_t$和$\De\ep/\ep_t$的PDF强相关，QM声速平方$\cQMsq/c^2$的PDF在$0.95^{+0.05}_{-0.35}$处达到峰值，并且小于1/3的总概率非常小。(2)强子的概率密度函数与量子态方程参数之间的相关性很弱。【结论】现有的天体物理数…
Bayesian Inference of Heavy-Quark Dissipation and Jet Transport Parameters from D-Meson observables in heavy-ion collisions at the LHC energies
School of Mathematics and Physics, China University of Geosciences（中国地质大学数学与物理学院）；Key Laboratory of Quark & Lepton Physics (MOE) and Institute of Particle Physics, Central China Normal University（华中师范大学夸克与轻子物理教育部重点实验室及粒子物理研究所）；Helmholtz Research Academy Hesse for FAIR (HFHF), GSI Helmholtz Center for Heavy Ion Physics（黑森FAIR亥姆霍兹研究学院（GSI重离子物理中心））；Institut für Theoretische Physik, Johann Wolfgang Goethe-Universität（约翰·沃尔夫冈·歌德大学理论物理研究所）
AI-assisted modeling and Bayesian inference of unpolarized quark transverse momentum distributions from Drell-Yan data
University of California, Los Angeles（加州大学洛杉矶分校）；Mani L. Bhaumik Institute for Theoretical Physics, University of California, Los Angeles（加州大学洛杉矶分校马尼·L·巴乌米克理论物理研究所）；Center for Frontiers in Nuclear Science, Stony Brook University（石溪大学核科学前沿中心）
Cost-efficient Bayesian emulation of quark-gluon plasma modeling with variable statistical precision
Lawrence Berkeley National Laboratory（劳伦斯伯克利国家实验室）；University of California, Berkeley（加州大学伯克利分校）；Duke University（杜克大学）；JMP Statistical Discovery LLC（JMP统计发现有限责任公司）
