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.

bs+(=e,μ,τ)b\to s\ell^+\ell^- (\ell = e, \mu, \tau) and bsννˉb\to s\nu\bar\nu at Belle and Belle II

Ce document présente l'utilisation des données combinées de 1,2 ab1\text{ab}^{-1} des expériences Belle et Belle II pour étudier les désintégrations de quarks bb impliquant des neutrinos ou des leptons, notamment via des mesures inclusives et des recherches de canaux à énergie manquante.

Meihong Liu (on behalf of the Belle,Belle II collaborations)2026-04-27⚛️ hep-ex

Downward ultra-high-energy neutrino detection in the air with radio antennas at ground-based observatories

Ce travail présente une méthode de détection des neutrinos ultra-énergétiques par radio au sol, utilisant la reconstruction de la profondeur de développement du maximum de l'émission radio (XmaxradioX^{\text{radio}}_{\text{max}}) pour les distinguer des rayons cosmiques et améliorer la sensibilité des futurs observatoires comme GRAND.

Baobiao Yue, Karl-Heinz Kampert, Julian Rautenberg2026-04-27✓ Author reviewed ⚛️ hep-ex

HGQ-LUT: Fast LUT-Aware Training and Efficient Architectures for DNN Inference

HGQ-LUT est une nouvelle méthode d'entraînement prenant en compte les tables de correspondance (LUT) qui accélère l'entraînement de plus de 100 fois tout en optimisant automatiquement l'efficacité matérielle et l'équilibre précision-ressources pour le déploiement de réseaux de neurones sur FPGA.

Chang Sun, Zhiqiang Que, Bakhtiar Zadeh, Qibin Liu, Kevin H. Alvarez, Wayne Luk, Maria Spiropulu2026-04-27⚛️ hep-ex

Dr.Sai: An agentic AI for real-world physics analysis at BESIII

Ce document présente Dr.Sai, un système multi-agents piloté par des modèles de langage (LLM) capable d'automatiser des analyses de physique des hautes énergies complexes en traduisant le langage naturel en flux de travail rigoureux, comme en témoigne sa capacité à recalculer avec succès des fractions de branchement de désintégrations de J/ψJ/\psi au sein de l'expérience BESIII.

Mingfeng He, Fayu Jiang, Junkun Jiao, Mingrun Li, Ke Li, Yipu Liao, Beijiang Liu, Tong Liu, Fazhi Qi, Zijie Shang, Weimin Song, Yue Sun, Xiongfei Wang, Hong Wang, Dongbo Xiong, Changzheng Yuan, Bolun (…)2026-04-27⚛️ hep-ex

First Measurement of the Ds+K0μ+νμD_s^+\rightarrow K^0μ^+ν_μ Decay

En utilisant les données du détecteur BESIII, cette étude présente la première mesure du taux de branchement et du facteur de forme du désintégration Ds+K0μ+νμD_s^+\rightarrow K^0\mu^+\nu_\mu, fournissant ainsi la détermination la plus précise à ce jour du facteur de forme f+K0(0)f^{K^0}_{+}(0) et de l'élément de matrice Vcd|V_{cd}|, tout en testant pour la première fois l'universalité du saveur leptonique dans ce canal.

BESIII Collaboration, M. Ablikim, M. N. Achasov, P. Adlarson, X. C. Ai, R. Aliberti, A. Amoroso, Q. An, Y. Bai, O. Bakina, Y. Ban, H. -R. Bao, V. Batozskaya, K. Begzsuren, N. Berger, M. Berlowski, M. (…)2026-04-24⚛️ hep-ex