Нейросетевое моделирование наблюдаемых реакции электророждения одиночного пиона на протоне в резонансной области

В работе представлен нейросетевой подход к прогнозированию дифференциальных сечений эксклюзивной реакции электророждения пиона $\gamma^* p \rightarrow n \pi^+$. Задача рассматривается как многомерная регрессия по кинематическим переменным реакции. Глубокая полносвязная нейронная сеть обучается на экспериментальных данных детектора CLAS без введения априорных теоретических предположений о динамике реакции, при этом основное внимание уделяется валидации модели и оценке её физической надёжности. Для проверки качества прогнозирования проводится сравнение с феноменологической моделью MAID2007, показавшее, что нейронная сеть корректно воспроизводит характерную угловую зависимость и общее поведение сечений, включая области фазового пространства, не представленные в обучающей выборке. Также применяется метод реплик, основанный на построении ансамбля нейросетевых моделей, обученных на статистически флуктуированных наборах данных, что позволяет количественно оценить устойчивость прогнозирования и связанные с ними неопределённости. Результаты демонстрируют, что предложенная модель обеспечивает адекватное поведение значений прогнозированных дифференциальных сечений, оставаясь устойчивой к статистическим флуктуациям входных данных, и корректно воспроизводит многомерные корреляции в распределениях кинематических переменных реакции электророждения одиночного пиона на протоне.