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.

Probing Quark Electric Dipole Moment with Topological Anomalies

Cet article propose d'utiliser les anomalies topologiques et les observables CP-impaires dans les désintégrations γK+Kπ0\gamma^* \to K^+K^-\pi^0 pour contraindre le moment dipolaire électrique du quark étrange, estimant une sensibilité pouvant atteindre 1018ecm10^{-18}\,e\cdot\mathrm{cm} avec les données actuelles du BESIII et 1016ecm10^{-16}\,e\cdot\mathrm{cm} avec celles du CMD-3.

Chao-Qiang Geng, Xiang-Nan Jin, Chia-Wei Liu, Bin Wu2026-02-18⚛️ hep-ex

Real-time graph neural networks on FPGAs for the Belle II electromagnetic calorimeter

Cet article présente la première implémentation opérationnelle d'un réseau de neurones à graphes sur FPGA pour le déclenchement en temps réel du calorimètre électromagnétique de l'expérience Belle II, démontrant une latence compatible avec le système de lecture tout en améliorant significativement la résolution de position, la pureté et l'efficacité des clusters par rapport à l'algorithme de base.

I. Haide, M. Neu, Y. Unno, T. Justinger, V. Dajaku, F. Baptist, T. Lobmaier, J. Becker, T. Ferber, H. Bae, A. Beaubien, J. Eppelt, R. Giordano, G. Heine, T. Koga, Y. -T. Lai, K. Miyabayashi, H. Nakaza (…)2026-02-18⚛️ hep-ex

Enabling Low-Latency Machine learning on Radiation-Hard FPGAs with hls4ml

Cet article présente la première démonstration viable d'une application d'apprentissage automatique ultra-rapide et résistante aux radiations sur des FPGA, en développant un nouveau backend pour l'outil hls4ml qui permet la synthèse automatique d'un autoencodeur sur un FPGA Microchip PolarFire pour le futur détecteur PicoCal du LHCb, avec une latence de 25 ns.

Katya Govorkova, Julian Garcia Pardinas, Vladimir Loncar, Victoria Nguyen, Sebastian Schmitt, Marco Pizzichemi, Loris Martinazzoli, Eluned Anne Smith2026-02-18⚛️ hep-ex

New Pathways in Neutrino Physics via Quantum-Encoded Data Analysis

Cet article présente une méthode de compression quantique permettant de stocker et d'analyser efficacement les données massives des télescopes à neutrinos, démontrée par une fidélité de 84 % sur un processeur IBM à 8 qubits pour la classification des événements de neutrinos, afin de surmonter les limitations des déclencheurs classiques et d'éviter de passer à côté de nouveaux phénomènes physiques.

Jeffrey Lazar, Santiago Giner Olavarrieta, Giancarlo Gatti, Carlos A. Argüelles, Mikel Sanz2026-02-17⚛️ hep-ex

Deep learning approaches to top FCNC couplings to photons at the LHC

Cette étude démontre que l'utilisation de réseaux de neurones basés sur l'attention, en particulier les transformateurs, permet d'améliorer considérablement la sensibilité du LHC aux couplages FCNC du quark top avec le photon, permettant d'atteindre des limites d'exclusion jusqu'à cinq fois plus strictes et de sonder des rapports d'embranchement aussi bas que 10610^{-6} au HL-LHC.

Benjamin Fuks, Sumit K. Garg, A. Hammad, Adil Jueid2026-02-17⚛️ hep-ex