近日，我校王恩科教授团队王倩研究员课题组在奇特强子态研究方向取得系列进展。研究成果分别以《The third peak structure in the double  spectrum》和《Revealing the nature of hidden charm pentaquarks with machine learning》为题发表在国际一流期刊《Science Bulletin》上。

强相互作用是自然界中四种基本相互作用之一，其低能色禁闭性质至今未被完全理解。实验上能直接观测到的粒子是色单态的强子，研究强子的结构和性质是理解强相互作用的最重要手段之一。近些年，国内外各大高能实验上发现大量超出传统夸克模型的奇特强子态候选者，这为研究强子形成的动力学机制提供了独特的环境。具有代表性的奇特强子态候选者有全粲四夸克态X(6900)和隐粲五夸克态，它们由欧洲核子中心的大型强子对撞机上LHCb合作组分别在和的不变质量谱中首先发现。

2022年，欧洲核子中心的大型强子对撞机上CMS和ATLAS合作组分别在和不变质量谱中7.2 GeV 附近发现另一个新的全粲四夸克态的信号。为了解释这一结果，我校王倩研究员、牛鹏宇老师、张振宇和电子科技大学杜孟林教授经研究发现对第三个峰结构的形成至关重要。由于散射矩阵的幺正性， 不变质量谱中7.2 GeV处的峰结构与同能量处不变质量谱中的低谷结构同时存在。该研究建议实验在7.2 GeV 能量处同时细致扫描和的不变量质量谱，这为确定全粲四夸克态的性质提供了独特的线索。研究成果以Short Communication发表在《Science Bulletin》上。

我校牛鹏宇老师为文章第一作者，王倩研究员和电子科技大学杜孟林教授为通讯作者。

论文链接：

https://www.sciencedirect.com/science/article/pii/S2095927323001895?via%3Dihub=

我校研究生张振宇、刘家豪在胡继峰研究员、王倩研究员和德国波恩大学Ulf-G. Meiner教授（欧洲科学院院士、欧洲物理学会2016 Lise Meitner 获得者）的指导下，持续探索机器学习在强子物理方向的应用潜力。最近，他们以隐粲五夸克态、和为例，在强子分子态图像下研究其性质。该研究验证了神经网络方法和基于的拟合方法都能够阐明基于领头阶接触势的基本物理性质，并仔细分析了每个实验数据点在不同方法下对最终预测的影响能力。通过对比性研究，他们发现拟合方法无法区分和的量子数，神经网络方法则可予以区分。后者在强子物理中具有广阔应用前景。研究成果以Regular Article 发表在《Science Bulletin》上。

我校研究生张振宇为文章第一作者，胡继峰研究员、王倩研究员和德国波恩大学Ulf-G. Meiner教授为通讯作者。

论文链接：

https://www.sciencedirect.com/science/article/pii/S209592732300258X?via%3Dihub#f0040

       上述研究均得到粤港量子物质联合实验室、广东省核物质科学与技术重点实验室、国家自然科学基金重点项目、广东省基础与应用基础研究重大项目、国家级人才项目以及中德合作项目等经费的支持。

图 1 X(6900)全粲四夸克态示意图

图 2 神经网络与隐粲五夸克示意图