Как сосчитать участников ядерного столкновения экспресс
Когда два тяжёлых ядра врезаются друг в друга на огромной скорости, они не сталкиваются целиком, как бильярдные шары. В контакт вступает лишь часть их вещества. Сколько именно нуклонов (протонов и нейтронов) реально участвовало в столкновении, а сколько пролетело мимо — заранее не известно. От этого числа зависят все последующие измерения, но увидеть его напрямую нельзя.
Раньше события сортировали по числу родившихся заряженных частиц: много частиц — значит, столкновение было лобовым, мало — скользящим. Но такая сортировка грубая. События с одинаковым числом частиц могут иметь разное число участников. Это как пытаться угадать размер кухни по количеству гостей на вечеринке: иногда в маленькой комнате тесно, а в большой — просторно.
Новый метод действует иначе. Он не назначает каждому событию один класс, а вычисляет вероятность для каждого возможного числа участников и парных ударов. Для этого используется известная модель того, как ядра перекрываются, и статистика того, сколько частиц обычно рождается при данном числе участников. В результате получается не жёсткая метка, а распределение вероятностей.
Такой подход снимает часть неопределённости, которая раньше маскировалась под «центральность» события. Теперь можно честно говорить: мы не знаем точное число участников, но знаем, насколько вероятно каждое значение. Это как перейти от чёрно-белой фотографии к полутоновой — детали становятся видны, даже если резкость не идеальна.
Оригинальная аннотация
как её написали авторы, на английском arXiv:2608.14045v1
We propose the Inference-driven Participant Determination (IPD) method, a Bayesian framework for inferring event-by-event posterior distributions of the number of participants ($$N_{\text{part}}$$) and binary collisions ($$N_{\text{coll}}$$) from final-state charged-particle multiplicities in relativistic heavy-ion collisions. The joint distribution of $$(N_{\text{part}}, N_{\text{coll}})$$ obtained from the Monte-Carlo Glauber model is used as the prior, while negative binomial distributions calibrated to charged-particle multiplicity fluctuations define the likelihood. This approach replaces conventional hard-cut centrality classification with a probabilistic assignment based on $$N_{\text{part}}$$, making the multiplicity--geometry smearing explicit and reducing the impact of volume fluctuations on downstream observables. A closure test using an UrQMD-MCG hybrid model at $$\sqrt{s_{NN}} = 19.6$$~GeV shows that the method yields well-calibrated posterior distributions with negligible bias and improves the reconstruction of net-proton cumulants relative to conventional multiplicity-based centrality selection.
В одном столкновении двух ядер золота может участвовать до 400 нуклонов, а число родившихся заряженных частиц достигает нескольких тысяч.