Одной из характеристик столкновений ядер является центральность события, отражающая степень перекрытия между двумя сталкивающимися ядрами. Множественность заряженных частиц и число нейтронов, рождающихся во взаимодействии, чувствительны к величине центральности. Однако, степень перекрытия ядер нельзя измерить в эксперименте. В зависимости от центральности столкновения физика процессов значительно различается.Число раненых нуклонов  и число бинарных нуклон-нуклонных столкновений в событии  – параметры, характеризующие центральность, невозможно измерить в реальном эксперименте [1]. Целью работы является разработка оптимальной модели машинного обучения, которая бы позволила на основе наблюдаемых в эксперименте величин, таких как число заряженных частиц и число нейтронов, рождающихся во взаимодействии, предсказывать ненаблюдаемые величины, характеризующие центральность, а именно число раненых нуклонов, участвующих во взаимодействии, и число бинарных нуклон-нуклонных столкновений.В данной работе проводится сравнительный анализ предсказаний  и  на основе наблюдаемых величин для трех моделей машинного обучения. На основе анализа предлагается выбрать оптимальную модель, которая бы позволила с большей точностью определять центральность ядерных столкновений в реальных экспериментах. Так как целью работы ставится разработка модели для предсказания ненаблюдаемых в эксперименте величин, экспериментальные данные для обучения моделей не подходят. В данной работе модели обучались с помощью данных, полученных из Монте-Карло генератора высокоэнергетических ядерных столкновений Pythia8/Angantyr [2].

One of the characteristics of collisions of nuclei is the centrality of the event, reflecting the degree of overlap between two colliding nuclei. The multiplicity of charged particles and the number of neutrons produced in the interaction are sensitive to the magnitude of centrality.  However, the degree of overlap of the nuclei cannot be measured experimentally. Depending on the centrality of the collision, the physics of the processes varies significantly.The number of wounded nucleons  and the number of binary nucleon-nucleon collisions in the event  are parameters characterizing centrality that cannot be measured in a real experiment [1]. The main goal of the work is to develop an optimal machine learning model that would allow, based on the quantities observed in the experiment, such as the number of charged particles and the number of neutrons generated in the interaction, to predict unobservable quantities characterizing centrality, namely the number of wounded nucleons involved in the interaction and the number of binary nucleon-nucleon collisions.In this study, a comparative analysis of the predictions of  and  based on the observed values for three machine learning models is carried out. Based on the analysis, it is proposed to choose an optimal model that would allow determining the centrality of nuclear collisions in real experiments with greater accuracy. Since the aim of the work is to develop a model for predicting unobservable quantities in the experiment, experimental data are not suitable for training models. In this study, the models were trained using data obtained from the Monte Carlo generator of high-energy nuclear collisions Pythia8/Angantyr [2].