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.

Assessing (H)EFT theory errors by pitting EoM against Field Redefinitions

Diese Arbeit untersucht, wie die Invarianz der Physik unter Feldredefinitionen genutzt werden kann, um theoretische Unsicherheiten in der Higgs-Effektiven-Feldtheorie zu bewerten, indem sie diese mit algebraischen, durch Bewegungsgleichungen motivierten Ersatzverfahren vergleicht und dabei allgemeine Power-Counting-Schemata auf nicht-renormierbare Wechselwirkungen verallgemeinert.

Rodrigo Alonso, Christoph Englert, Wrishik Naskar, Shakeel Ur Rahaman2026-03-30⚛️ hep-ex

Benchmarking neutrino-nucleus quasielastic scattering model predictions against a missing energy profile obtained using a monoenergetic neutrino beam

Diese Studie vergleicht drei in NEUT implementierte Kernschalenmodelle für die Quasielastizität von Neutrino-Kern-Streuung mit den JSNS²-Messungen der fehlenden Energie und stellt fest, dass Spektralfunktionsmodelle die Verteilung besser beschreiben, während die Berücksichtigung von Schwellenwerten für die Ein-Nukleonen-Ausstoßung alle getesteten Modelle statistisch akzeptabel macht.

Jake McKean, Laura Munteanu, Seisho Abe2026-03-30⚛️ nucl-th

Vision Transformers and Graph Neural Networks for Charged Particle Tracking in the ATLAS Muon Spectrometer

Die Studie stellt zwei maschinelle Lernansätze vor, die mit Graph Neural Networks die Rekonstruktionsgeschwindigkeit im ATLAS-Muonspektrometer um 15 % steigern und mit Vision-Transformern eine ultraschnelle End-to-End-Muon-Verfolgung mit 98 % Effizienz ermöglichen, um die Herausforderungen der hohen Luminosität des LHC zu bewältigen.

Jonathan Renusch (on behalf of the ATLAS Collaboration)2026-03-30⚛️ hep-ex

Prying Open the Dark Sector Window with SBND Off-Target Mode

Diese Arbeit untersucht die physikalischen Möglichkeiten des Short-Baseline Near Detector (SBND) am Fermilab im Off-Target- und Beam-Dump-Modus, bei denen durch die Umleitung des Protonenstrahls Neutrino-Hintergrundsignale stark unterdrückt werden, was die Empfindlichkeit des Experiments für neue Physik-Szenarien wie leichte Dunkle Materie, axion-ähnliche Teilchen und schwere neutrale Leptonen erheblich steigert.

Bhaskar Dutta, Debopam Goswami, Aparajitha Karthikeyan, Vishvas Pandey, Zahra Tabrizi, Adrian Thompson, Richard G. Van de Water2026-03-30⚛️ hep-ph