Probing Dense Nuclear Matter at Small-x: A workflow for a global analysis framework
Este artigo propõe um modelo substituto baseado em aprendizado de máquina para aproximar eficientemente a computacionalmente intensiva evolução não linear de QCD das amplitudes de espalhamento dipolo-núcleo, permitindo, assim, análises globais rigorosas da matéria nuclear densa e das distribuições de glúons de pequeno-x através de diversos conjuntos de dados experimentais.