2610 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.
Die Autoren schlagen eine neue, auf der Fisher-Information basierende Metrik vor, um Feinabstimmung in physikalischen Theorien zu quantifizieren, welche das etablierte Barbieri-Giudice-Kriterium verallgemeinert und in verschiedenen Modellen mit physikalischer Intuition übereinstimmende Ergebnisse liefert.
Diese Arbeit untersucht den Einsatz verschiedener Deep-Learning-Modelle, darunter Faltungs- und Transformer-Architekturen, zur Identifizierung von C-Pile-up-Ereignissen im JUNO-Experiment, um die Energieauflösung für die Bestimmung der Neutrinomassenhierarchie zu verbessern.
Der Artikel stellt ImpCresst vor, ein auf Geant4 basierendes, flexibles Simulationswerkzeug für Festkörperdetektoren im keV-Bereich, das von der CRESST-Kollaboration entwickelt wurde und durch Funktionen wie die dynamische Geometrie-Implementierung aus CAD-Dateien, eine neue Generator-Komponente für radioaktive Kontaminationen sowie eine HPC-fähige Workflow-Verwaltung gekennzeichnet ist.
Der ATLAS-Detektor hat bei Proton-Proton-Kollisionen mit einer Schwerpunktsenergie von 13,6 TeV nach massiven, langlebigen Teilchen gesucht, die zu verzögerten Vertices und verzögerten Myonen führen, wobei keine signifikante Abweichung vom erwarteten Untergrund beobachtet wurde und darauf aufbauend Obergrenzen für die Wirkungsquerschnitte verschiedener R-Paritäts-verletzender Supersymmetrie-Modelle festgelegt wurden.
Die Studie zeigt, dass zukünftige kohärente neutrino-Kern-Streuungsexperimente an Spallationsquellen wie ESS, J-PARC und CSNS empfindlich genug sind, um bisher unzugängliche Bereiche des Parameterraums für sub-GeV Dunkle Materie zu testen, die über Vektor-Portal-Mediatoren mit dem Standardmodell wechselwirkt.
Diese Arbeit entwickelt geometrische Designprinzipien für Quantenneuronale Netze, die mittels des Kriteriums der fast vollständigen lokalen Selektivität (aCLS) zeigen, dass effektives Feature-Learning trainierbare, datenabhängige geometrische Deformationen erfordert, und verlagert den Designfokus von der bloßen Zustandsreichweite auf die kontrollierbare Geometrie.
Die Autoren präsentieren eine Quantenverstärkungstechnik, bei der ein supraleitender Qubit einen Mikrowellenresonator in einem nicht-klassischen Fock-Zustand präpariert, um die Emission von Signalphotonen aus Dunkle-Materie-Wellen zu stimulieren, was die Scanrate für Dunkle-Materie-Suchen um den Faktor 2,78 erhöht und zu neuen Ausschlussgrenzen für Dunkle-Photonen bei 5,965 GHz führt.
Die Studie schlägt vor, den kosmischen Neutrinohintergrund durch parametrische Fluoreszenz nachzuweisen, bei der massive Reliktneutrinos an Molekülen streuen und dabei in leichtere Neutrinos sowie infrarote Signalfotone zerfallen, was zu einer kohärent verstärkten Ereignisrate führt, die eine zukünftige Detektion vielversprechend macht.
Die Studie zeigt, dass unzureichend modellierte Wechselwirkungen im Endzustand (FSI) die Rekonstruktion der Neutrinoenergie und damit die Oszillationsmessungen bei zukünftigen Langbasislinienexperimenten wie DUNE so stark verzerren können, dass sie mit den Effekten von Änderungen der Oszillationsparameter verwechselt werden, was eine dringende Verbesserung der FSI-Charakterisierung erfordert.
Dieses Paper stellt NuBench vor, ein offenes Benchmark-System mit sieben großen Simulationsdatensätzen, das die Entwicklung und den Vergleich von Deep-Learning-Methoden für die Ereignisrekonstruktion in Neutrinoteleskopen über verschiedene Detektorgeometrien und Umgebungen hinweg ermöglicht.