Machine Learning for Predicting the Proton Structure Function in QCD
본 논문은 BCDMS 실험 데이터로 학습된 다층 퍼셉트론(Multilayer Perceptron)과 가우시안 프로세스 회귀(Gaussian Process Regression) 모델이 DGLAP 진화 방정식을 풀지 않고도 복잡한 비선형 QCD 역학을 포착함으로써 양성자 구조 함수 를 효과적으로 예측한다는 것을 보여주는 비교 연구를 제시한다.