1434 Arbeiten
Der Bereich Hep-Ex auf Gist.Science widmet sich der Hochenergiephysik und der Erforschung der fundamentalen Bausteine unserer Welt. Hier geht es um die komplexen Wechselwirkungen subatomarer Teilchen und die Kräfte, die das Universum zusammenhalten. Um diese tiefgreifenden Konzepte verständlich zu machen, durchsuchen wir täglich das Preprint-Repository arXiv nach neuen Erkenntnissen aus diesem spannenden Forschungsfeld.
Jede neu veröffentlichte Studie wird von uns sorgfältig aufbereitet, sodass Sie sowohl eine klare Zusammenfassung in einfacher Sprache als auch eine detaillierte technische Analyse erhalten. So wird komplexes Fachwissen für ein breites Publikum zugänglich, ohne die wissenschaftliche Genauigkeit zu verlieren.
Nachfolgend finden Sie die neuesten Arbeiten aus dem Bereich Hep-Ex, die wir kürzlich aus arXiv ausgewählt und für Sie zusammengefasst haben.
Dieses Paper beschreibt die experimentelle Validierung einer neuen Methode zur Unterdrückung hochfrequenter Phasenrausch-Störungen (HFPNS), die eine picometergenaue interferometrische Messung ermöglicht und damit einen entscheidenden Schritt zur Beobachtung der durch Quantenelektrodynamik induzierten Lichtablenkung im Vakuum darstellt.
Diese Arbeit präsentiert einen neuen, auf Graph Neural Networks basierenden Multi-Modal-Algorithmus zur gleichzeitigen Rekonstruktion von Teilchenspuren aus Driftkammer- und Silizium-Vertex-Detektordaten, der die Effizienz der Spurfindung bei Belle II signifikant steigert und die Auswirkungen von Hintergrundrauschen sowie Detektoralterung effektiv mildert.
Diese Arbeit demonstriert erstmals die Anwendung eines schnellen, online ausführbaren Datenselektionsalgorithmus auf Basis von Ionisationsladungsdaten im MicroBooNE-Detektor, um Elektronen von kosmischen Myonen zu unterscheiden, und liefert damit einen wichtigen Beweis für die zukünftige Anwendung solcher Techniken in LArTPC-Experimenten wie DUNE.
Diese Arbeit liefert umfassende analytische Ergebnisse und Näherungsformeln für die Beiträge neuer Physik zum magnetischen Dipolmoment des Myons auf Ein-Schleifen-Ebene, um die Modellierung und Interpretation aktueller Messabweichungen zu erleichtern.
Diese Studie schlägt vor, dass zukünftige Weltraumteleskope wie das James Webb Space Telescope durch modifizierte Spiegelkonfigurationen während der Bodenprüfphase als hochempfindliche Detektoren für Dunkle-Photonen-Dunkle-Materie genutzt werden könnten, wobei eine Sensitivität erreicht werden kann, die bestehende Grenzwerte um ein bis zwei Größenordnungen übertrifft.
Der vorliegende Entwurf schlägt zwei kostengünstige, mittelgroße Neutrino-Experimente vor – die oberflächenbasierte Szintillationsdetektoreinheit SINE und den in Genfersee versenkten Wasser-Cherenkov-Detektor UNDINE –, um durch die Beobachtung von Neutrinos aus LHC-Proton-Proton-Kollisionen fundamentale physikalische Prozesse wie Neutrino-Wirkungsquerschnitte und Charm-Produktion zu untersuchen.
Das Paper schlägt „QuGrav“ vor, ein Konzept zur Detektion hochfrequenter Gravitationswellen mittels Quantenmoden (Qumodes), das durch die Nutzung der Bose-Einstein-Statistik und nicht-destruktiver Messungen eine drastisch erhöhte Sensitivität ermöglicht und das Potenzial hat, kosmologische Grenzwerte zu erreichen oder zu überschreiten.
Diese Arbeit untersucht die Steigerung der Sensitivität bei der Suche nach Doppel-Higgs-Boson-Produktionen im -Kanal durch den Vergleich eines XGBoost-Klassifikators mit einem Graph Neural Network (GNN), wobei das geometriebasierte GNN-Modell die erwarteten Obergrenzen für den Wirkungsquerschnitt und die Higgs-Selbstkopplung signifikant verbessert.
Diese Studie untersucht die Produktion und die Ereignisraten von hochenergetischen Neutrinos bei Proton-Proton-Kollisionen am zukünftigen Circular Collider (FCC) und bewertet dabei die Durchführbarkeit der Beobachtung der direkten -Boson-Produktion aus Neutrino-Kern-Wechselwirkungen.
In dieser Arbeit wird untersucht, ob Convolutional Neural Networks (CNNs) zur binären Klassifizierung von Licht- und Dunkelimpulsen in Transition-Edge-Sensoren für das ALPS II-Experiment eingesetzt werden können, wobei sich die Methode gegenüber herkömmlichen Methoden als nicht überlegen erwies und stattdessen Regressionsmodelle oder unüberwachte Lernverfahren als vielversprechender eingestuft werden.