딥러닝 기반 위상 추론으로 본 Tcc 플러스 폴 파라미터 추출

초록

본 연구는 합성 진폭을 이용해 훈련된 딥 뉴럴 네트워크 앙상블을 활용해 LHCb 실험 데이터의 위상 구조를 자동 분류하고, 통일화된 S‑매트릭스와 K‑매트릭스 모델을 결합해 Tcc⁺(Tcc 플러스)의 폴 위치와 성질을 추정한다. 결과는 Tcc⁺가 D⁰D*⁺ 채널의 두 번째 리만 시트에 존재하는 얕은 결합 상태임을 강하게 시사한다.

상세 분석

이 논문은 두 가지 주요 축을 결합한 하이브리드 접근법을 제시한다. 첫 번째 축은 복합 채널 스캐터링 이론에 기반한 통일화 변수 ω 를 도입해 네 개의 리만 시트를 단일 복소 평면에 매핑함으로써, 폴의 위치와 종류를 명확히 구분할 수 있는 수학적 틀을 제공한다. 여기서 Q(ω) 함수는 Jost‑유사 형태로 정의되어 물리적 폴 ω_pole 과 규제 폴 ω_reg 을 자유롭게 배치할 수 있게 하며, 좌측 절단(lhc) 효과는 위상 인자 exp