1472 articles
Ce domaine explore les mécanismes complexes qui régissent la réponse du corps aux infections virales et aux traitements, un sujet crucial pour comprendre comment nous protégeons notre santé face aux menaces biologiques. Les recherches ici couvrent tout, de l'identification de nouvelles cibles thérapeutiques à l'analyse de la façon dont les médicaments interagissent avec nos cellules, offrant une fenêtre précieuse sur l'avenir de la médecine préventive.
Sur Gist.Science, nous surveillons en permanence arXiv pour vous apporter les dernières découvertes dans ce secteur. Chaque nouvelle prépublication est traitée pour vous offrir à la fois un résumé technique rigoureux et une explication claire en langage courant, rendant l'information scientifique accessible sans sacrifier la précision. Vous trouverez ci-dessous la sélection des tout derniers articles soumis par les chercheurs dans ce domaine passionnant.
Cet article propose que l'apparition d'un scalaire sombre léger (d'environ 9,40 GeV) dans les collisions d'ions lourds explique les anomalies observées à haut pour les quarkoniums , notamment le plateau de et la disparition de l'écoulement elliptique, en offrant une solution unifiée qui résout également la question de la polarisation et contourne les contraintes expérimentales antérieures.
Cet article prédit les masses des baryons entièrement lourds et des pentaquarks en combinant des méthodes d'apprentissage automatique avancées et une extension analytique de la formule de masse de Gürsey-Radicati, offrant ainsi des prédictions complémentaires pour guider les futures recherches expérimentales.
Ce papier présente le cadre « Unified Flavor », qui explique de manière dynamique les hiérarchies des couplages de Yukawa et la violation de CP via des chaînes de fermions vectoriels sur un réseau quantifié, tout en résolvant le problème de CP fort et en prédisant des signatures testables au LHC et dans les expériences de neutrinos.
Cet article rapporte la première mesure du flux de muons cosmiques souterrains au Laboratoire de physique souterraine de Stawell, utilisant un système de veto à scintillateurs plastiques qui démontre un accord excellent avec les simulations et une incertitude bien inférieure à celle des modèles.
Ce papier propose que la dynamique Technicolor conventionnelle puisse être revitalisée dans le paradigme du Dark Technicolor via l'hypothèse du canal le plus attractif étendu, un cadre à trois secteurs de jauge qui génère les masses des fermions du Modèle Standard et résout le problème de la saveur en réduisant naturellement le modèle à basse énergie à des structures de type Froggatt-Nielsen.
Cette étude présente une recherche de particules à longue durée de vie dans les événements avec un moment transverse manquant et un vertex déplacé, utilisant 137 fb⁻¹ de données de collisions pp à 13 TeV collectées par le détecteur ATLAS, qui n'a observé aucun excès significatif par rapport au bruit de fond du Modèle Standard et a établi des limites d'exclusion pour plusieurs modèles de physique au-delà du Modèle Standard.
Cette présentation introduit PoLAr-MAE, une méthode d'apprentissage auto-supervisé utilisant la modélisation de points masqués pour extraire des représentations physiques significatives de données LArTPC, permettant d'atteindre des performances de segmentation comparables à l'état de l'art avec une fraction infime de données étiquetées.
Cet article examine la sensibilité d'un collisionneur de muons de même signe à 2 TeV pour détecter la violation du nombre leptonique via des opérateurs SMEFT de dimension sept, démontrant ainsi le potentiel de cette machine pour sonder la nouvelle physique au-delà des contraintes actuelles du LHC et des projections du FCC.
Le papier présente NuFast-Earth, un algorithme rapide, flexible et précis implémenté en C++ pour calculer efficacement les probabilités d'oscillation des neutrinos atmosphériques, solaires et de supernova traversant la Terre, en s'adaptant à des modèles de densité variables et en optimisant les calculs répétitifs pour les futures expériences.
Cet article présente une méthode novatrice utilisant l'apprentissage profond non supervisé pour extraire de manière fiable les constantes de calibration des photomultiplicateurs du détecteur SNO+ directement à partir de données physiques, en traitant le problème comme une régression à grande échelle basée sur un modèle physique simplifié.