The sensitivity of Polyakov Nambu-Jona-Lasinio (PNJL) model as an effective theory of quark dynamics to chiral symmetry has been utilized in studying the QCD phase-diagram. Also, Poyakov linear sigma-model (PLSM), in which information about the confining glue sector of the theory was included through Polyakov-loop potential. Furthermore, from quasi-particle model (QPM), the gluonic sector of QPM is integrated to LSM in order to reproduce recent lattice calculations. We review PLSM, QLSM, PNJL and HRG with respect to their descriptions for the chiral phase-transition. We analyse chiral order-parameter M(T), normalized net-strange condensate Delta_{q,s}(T) and chiral phase-diagram and compare the results with lattice QCD. We conclude that PLSM works perfectly in reproducing M(T) and Delta_{q,s}(T). HRG model reproduces Delta_{q,s}(T), while PNJL and QLSM seem to fail. These differences are present in QCD chiral phase-diagram. PLSM chiral boundary is located in upper band of lattice QCD calculations and agree well with freeze-out results deduced from high-energy experiments and thermal models. Also, we find that the chiral temperature calculated from from HRG model is larger than that from PLSM. This is also larger than the freeze-out temperatures calculated in lattice QCD and deduced from experiments and thermal models. The corresponding temperature T and chemical potential mu sets are very similar to that of PLSM. This might be explained, because the chiral T and mu are calculated using different order parameters; in HRG vanishing quark-antiquark condensate but in PLSM crossing (equaling) chiral condensates and Polyakov loop potentials. The latter assumed that the two phase transitions; chiral and deconfinement, take place at the same temperature.


翻译:Polyakov Nambu-Jona-Lasinio(PNJL) 模型的灵敏度,是夸尔克温度与手动对称的有效理论。此外,Poyakov 线性Sigma-模型(PLSM) 的灵敏度也被用于研究QCD 相位阶段的描述。Poyakov 线性Sigma-模型(PLSM),其中关于该理论的粘合胶部分的信息通过Polyakov-loop 潜力来包含。此外,从准粒子模型(QPM),QMPM(G) 的胶质部门融合到LSM(L) 重塑M(T) 和Deltaticone(TLSM) 。HR模型(T) 和MQM(T) 的变压模型(ML) 和变压(ML) 和变压(ML) 和变压(IL) 和变压(IL) 和变压(IL) 和变序的变序(IL) (O) 和变和变数(IL) (O) (O) (O) (L) (L) (L) (L) (O) 和变算) 和变算) (L) 和变算)。

0
下载
关闭预览

相关内容

哈工大机器人集团(HRG)成立于2014年12月,以政产学研深度融合的方式,推进机器人及相关智能装备领域的技术研发服务,推动区域创新体系建设和地方产业转型升级,构建了面向机器人及相关智能装备领域的研发机构集群。 HRG秉承“聚天下力,争世界先”的发展理念,依托研发机构集群的建设,通过联合研发、委托研发、自主研发,构建面向产业的创新研发服务体系。目前,HRG已拥有一支由院士、长江学者等专家领衔、规模逾1200人的创新创业人才队伍,建成了涵盖全链条、全要素的技术创新体系;已申报专利2200余项,其中授权专利1300余项,每年新增专利300余项;已研发和推出30余类、200余种产品;在智慧工厂、工业机器人、服务机器人、特种机器人、文旅机器人、医养康助机器人以及产教融合等方面形成了产业集聚和协同共生的发展态势。
【ICML2020】持续图神经网络,Continuous Graph Neural Networks
专知会员服务
149+阅读 · 2020年6月28日
强化学习最新教程,17页pdf
专知会员服务
174+阅读 · 2019年10月11日
[综述]深度学习下的场景文本检测与识别
专知会员服务
77+阅读 · 2019年10月10日
【哈佛大学商学院课程Fall 2019】机器学习可解释性
专知会员服务
103+阅读 · 2019年10月9日
Hierarchically Structured Meta-learning
CreateAMind
26+阅读 · 2019年5月22日
IEEE | DSC 2019诚邀稿件 (EI检索)
Call4Papers
10+阅读 · 2019年2月25日
【TED】生命中的每一年的智慧
英语演讲视频每日一推
9+阅读 · 2019年1月29日
Unsupervised Learning via Meta-Learning
CreateAMind
42+阅读 · 2019年1月3日
meta learning 17年:MAML SNAIL
CreateAMind
11+阅读 · 2019年1月2日
A Technical Overview of AI & ML in 2018 & Trends for 2019
待字闺中
16+阅读 · 2018年12月24日
人工智能 | 国际会议截稿信息9条
Call4Papers
4+阅读 · 2018年3月13日
Capsule Networks解析
机器学习研究会
11+阅读 · 2017年11月12日
【学习】(Python)SVM数据分类
机器学习研究会
6+阅读 · 2017年10月15日
Auto-Encoding GAN
CreateAMind
7+阅读 · 2017年8月4日
Arxiv
4+阅读 · 2019年12月2日
The Measure of Intelligence
Arxiv
6+阅读 · 2019年11月5日
Phase-aware Speech Enhancement with Deep Complex U-Net
Single-frame Regularization for Temporally Stable CNNs
Arxiv
8+阅读 · 2018年11月27日
Arxiv
7+阅读 · 2018年11月6日
Efficient and Effective $L_0$ Feature Selection
Arxiv
5+阅读 · 2018年8月7日
VIP会员
相关资讯
Hierarchically Structured Meta-learning
CreateAMind
26+阅读 · 2019年5月22日
IEEE | DSC 2019诚邀稿件 (EI检索)
Call4Papers
10+阅读 · 2019年2月25日
【TED】生命中的每一年的智慧
英语演讲视频每日一推
9+阅读 · 2019年1月29日
Unsupervised Learning via Meta-Learning
CreateAMind
42+阅读 · 2019年1月3日
meta learning 17年:MAML SNAIL
CreateAMind
11+阅读 · 2019年1月2日
A Technical Overview of AI & ML in 2018 & Trends for 2019
待字闺中
16+阅读 · 2018年12月24日
人工智能 | 国际会议截稿信息9条
Call4Papers
4+阅读 · 2018年3月13日
Capsule Networks解析
机器学习研究会
11+阅读 · 2017年11月12日
【学习】(Python)SVM数据分类
机器学习研究会
6+阅读 · 2017年10月15日
Auto-Encoding GAN
CreateAMind
7+阅读 · 2017年8月4日
相关论文
Arxiv
4+阅读 · 2019年12月2日
The Measure of Intelligence
Arxiv
6+阅读 · 2019年11月5日
Phase-aware Speech Enhancement with Deep Complex U-Net
Single-frame Regularization for Temporally Stable CNNs
Arxiv
8+阅读 · 2018年11月27日
Arxiv
7+阅读 · 2018年11月6日
Efficient and Effective $L_0$ Feature Selection
Arxiv
5+阅读 · 2018年8月7日
Top
微信扫码咨询专知VIP会员