⚛️ Category

hep-ph

5130 artículos

La física de altas energías, conocida como Hep-Ph, explora los componentes más fundamentales del universo y las fuerzas que los gobiernan. Esta disciplina investiga desde las partículas subatómicas hasta las teorías que explican el origen del cosmos, desafiando constantemente nuestra comprensión de la realidad física.

En Gist.Science, procesamos cada nuevo preimpreso publicado en arXiv dentro de esta categoría, asegurando que la investigación de vanguardia sea accesible para todos. Ofrecemos tanto resúmenes técnicos detallados para expertos como explicaciones en lenguaje sencillo para cualquier persona interesada en la ciencia.

A continuación, encontrarás la selección más reciente de artículos en física de altas energías, listos para ser explorados y comprendidos.

⚛️ phenomenology

Delayed Charged Lepton Yukawa Equilibration in Minimal Seesaw

Este artículo demuestra que el papel cosmológico del neutrino derecho más pesado desacoplado en el modelo minimal de seesaw tipo-I es significativo, ya que su presencia de larga duración puede retrasar sustancialmente la equilibración de la constante de Yukawa de los leptones cargados, alterando así los regímenes de sabor en la leptogénesis térmica e impactando la evolución cósmica más amplia, incluyendo la producción de materia oscura y los espectros de ondas gravitacionales.

Rishav Roshan, Sudipta Show2026-08-17
⚛️ high-energy theory

The Minimal Supersymmetric Standard Model with Non-Invertible Selection Rules

Este artículo propone un marco del Modelo Estándar Supersimétrico Mínimo que utiliza reglas de selección no invertibles derivadas de la gaugeación del automorfismo exterior de una simetría discreta para generar simultáneamente texturas de masa de fermiones realistas y suprimir las corrientes neutras con cambio de sabor mientras se mantiene la estabilidad bajo la evolución del grupo de renormalización.

Yuichiro Nakai, Hajime Otsuka, Yoshihiro Shigekami, Zhihao Zhang2026-08-17
🔬 physics

Unknown Unknowns: Model Misspecification in Machine Learning for Physics

Este artículo aborda el desafío crítico de la especificación incorrecta del modelo en aplicaciones de aprendizaje automático para la física, argumentando que un análisis robusto requiere un ciclo iterativo de diagnósticos y actualizaciones de modelos complementarios, sustentado en una mentalidad que anticipe y acomode errores imprevistos para distinguir entre nuevos descubrimientos y sesgos analíticos.

Juan Cruz-Martinez, Carolina Cuesta-Lazaro, Alexander Held, Michael Kagan2026-08-17
⚛️ phenomenology

Axion Isocurvature Perturbations Survive the Scaling Evolution of Axion Domain Walls

Este artículo demuestra que perturbaciones de isocurvatura de axiones de gran tamaño pueden sobrevivir a la evolución de escala y a la eventual aniquilación de las paredes de dominio de axiones, ya que la energía de vacío sesgada liberada durante el colapso hereda y transfiere las correlaciones inflacionarias de superhorizonte a la densidad de materia oscura de axiones.

Naoya Kitajima, Junseok Lee, Kai Murai, Fuminobu Takahashi, Wen Yin2026-08-17
🤖 machine learning

Contrastive Learning for Interpretable Anomaly Detection at Collider Experiments

El artículo presenta ORCA, un marco de dos etapas que combina el aprendizaje contrastivo supervisado con autoencoders para lograr tanto una mayor sensibilidad como interpretabilidad en la detección de anomalías en colisionadores, mediante el mapeo de eventos en un espacio de incrustación donde las muestras anómalas pueden atribuirse cuantitativamente a procesos físicos conocidos.

Haoyi Jia, Sagar Addepalli, Julia Gonski2026-08-17
⚛️ lattice

Efficient Hamiltonian Truncation: Fast Matrix Construction and Quantum Krylov Diagonalization

Este artículo presenta una estrategia híbrida clásico-cuántica para mejorar la eficiencia de la truncación del Hamiltoniano para teorías de campos cuánticos mediante la introducción de una generación de base basada en particiones de enteros, la construcción de matrices dispersas conscientes de la simetría y la diagonalización de Krylov cuántica, demostrando ganancias computacionales significativas en modelos escalares y de ϕ4\phi^4 en dos dimensiones.

Rachel Houtz, Marco Knipfer, Konstantin Matchev, Alexander Roman, Mia West2026-08-17
⚛️ phenomenology

Beyond Δm2\Delta m^2: Absolute Mass Sensitivity in Neutrino Oscillations

Este artículo demuestra que las oscilaciones de neutrinos pueden sondear la escala de masa absoluta del neutrino a través de correcciones de siguiente orden en la fase de oscilación, revelando que el experimento JUNO podría detectar masas de unos pocos cientos de keV, ofreciendo así un método novedoso y complementario a las restricciones de masa existentes.

Gustavo F. S. Alves, André L. C. de Gouvêa, Joshua Kaler, Shirley Weishi Li, Pedro A. N. Machado2026-08-17
⚛️ phenomenology

Strong CP\mathcal{CP} and Quark Mass Hierarchies from Modular Invariance

Este artículo propone que la extensión de las soluciones modulares al problema CP fuerte hacia simetrías modulares finitas no abelianas resuelve simultáneamente el problema CP fuerte al establecer θˉ=0\bar\theta=0 y genera jerarquías de masas de quarks a través de una condición de anomalía modular que fuerza al determinante de Yukawa a anularse en la cúspide.

Xiang-Gan Liu, Michael Ratz, Alexander Stewart2026-08-17
⚛️ nuclear theory

Bayesian inference of event-by-event collision geometry from charged-particle multiplicity in heavy-ion collisions

Este artículo introduce el método de Determinación de Participantes Basada en Inferencia (IPD, por sus siglas en inglés), un marco bayesiano que utiliza la multiplicidad de partículas cargadas y prioris de Monte-Carlo Glauber para inferir probabilísticamente la geometría de la colisión evento por evento, reduciendo así las fluctuaciones de volumen y mejorando la reconstrucción de los cumulantes de protones netos en comparación con la clasificación convencional de centralidad.

Yige Huang, Fu-Peng Li, Hanwen Feng, Nu Xu2026-08-17