2572 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.
Diese Arbeit präsentiert eine kombinierte Analyse von XENON1T- und XENONnT-Daten, die zuvor unbeschränkte Wirkungsquerschnitte der Dunkle-Materie-Elektronen-Streuung für Dunkle-Materie-Massen im Sub-GeV-Bereich zwischen 4,6 keV und 2 MeV ausschließt, indem sie solares Upscattering und die Detektion niederenergetischer elektronischer Rekoils nutzt.
Dieses Paper schlägt eine auf Domänenanpassung basierende Methode vor, um Anomalie-Scores von der resonanten Masse zu entkorrelieren, wodurch das Hintergrund-Sculpting bei der schwach überwachten Anomalieerkennung am LHC effektiv gemildert wird, während gleichzeitig die Sensitivität gegenüber neuer Physik erhalten oder sogar wiederhergestellt wird.
Diese Arbeit schlägt ein Framework für selbstüberwachtes Lernen unter Verwendung von VICReg und Transformer-Encodern vor, um Modelle auf korrumpierten Daten vorzutrainieren, wobei gezeigt wird, dass dieser Ansatz im Vergleich zum traditionellen überwachten Training eine robustere und genauere Rekonstruktion schwerer Resonanzmassen in komplexen Kaskadenzerfällen ermöglicht.
Diese Arbeit stellt eine datengetriebene, augmentationsfreie selbstüberwachte Pre-Training-Methode für den Large Hadron Collider vor, die distinkte Ereignisse basierend auf ihrer Ähnlichkeit nach der Energy Mover's Distance paart, um invariante Repräsentationen zu erlernen, wobei eine Downstream-Performance erreicht wird, die mit traditionellen augmentationsbasierten Baselines vergleichbar oder besser ist und gleichzeitig die Ereignistreue bewahrt.
Diese Arbeit nutzt ein spezies-aufgelöstes Anisotropie-Antwort-Skalierungs-Framework, um zu zeigen, dass das -Meson in hochenergetischen p+Pb-Kollisionen eine einzel-meson-ähnliche Antwort mit schwacher Endzustands-Sensitivität aufweist, wodurch seine Bildungsdynamik von einer molekularen -Struktur unterschieden und diese Skalierungsmethode als neuartiger experimenteller Sondieransatz etabliert wird.
Inspiriert durch die jüngste Beobachtung des durch LHCb nutzt diese Studie den Ein-Boson-Austausch-Rahmen, um vorzuschlagen, dass es sich bei diesem Zustand um ein -Molekül handelt, und sagt die Existenz mehrerer verwandter -molekularer Partner voraus, um zukünftige experimentelle Suchen zu leiten.
Diese Arbeit stellt die lang gehegte Annahme in Frage, dass Kernmodifikationen das Verhältnis der longitudinalen zu transversalen Strukturfunktion nicht beeinflussen, indem sie durch ein Konvolutionsmodell der Fermi-Bewegung von Nukleon im Deuteron nachweist, dass die Mischung von longitudinalen und transversalen Komponenten sowie unterschiedliche -Abhängigkeiten zu signifikanten Kerneffekten führen, die derzeit am Jefferson Lab experimentell untersucht werden.
Diese Arbeit präsentiert Geant4-Simulationen, die zeigen, dass die durch kosmische Myonen verursachten Hintergründe in den -Paarspektrometern von Atomki statistisch signifikante Überschüsse in den Öffnungswinkelverteilungen erzeugen können, die der berichteten 17-MeV-Bosonen-Anomalie sehr ähnlich sehen, was darauf hindeutet, dass die kosmische Strahlung eine dominante Quelle der beobachteten Signalraten sein könnte.
Diese Arbeit etabliert einen systematischen Formalismus zur Abbildung langwelliger Korrelationen zwischen eingehenden Kern-Grundzuständen und finalen Vielteilchen-Observablen in relativistischen Kollisionen, indem sie Detektor-Korrelatoren aus asymptotischen Energieströmen konstruiert und diese auf Multipol-Operator-Korrelatoren abbildet, die aus der Kleinst-x-QCD abgeleitet sind.
Dieses Paper führt VyPER ein, ein neuartiges geometrisches Lernframework, das Hypergraph-Repräsentationslernen mit graph-konditionierten Diffusionsmodellen kombiniert, um die Partikelzuordnung und die Vorhersage der Neut kinematik gleichzeitig zu optimieren, wobei es eine überlegene Ereignisrekonstruktionsleistung bei verschiedenen Standardmodell-Prozessen im Vergleich zu bestehenden Techniken demonstriert.