1352 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.
Cette étude analyse systématiquement les effets de la matière noire ultralégère sur les oscillations de neutrinos en utilisant les données récentes de T2K et NOA, révélant que les contraintes sur les couplages s'assouplissent considérablement dans le régime de basse masse en raison des fluctuations stochastiques, sans pour autant résoudre la tension actuelle sur la phase de violation de CP.
Cette étude rapporte des contraintes améliorées sur les interactions de type Yukawa à l'échelle micrométrique en utilisant des microsphères diélectriques lévitées optiquement pour détecter, pour la première fois, plusieurs composantes spatiales d'un vecteur de force, offrant ainsi une sensibilité accrue d'un facteur cent et des limites supérieures sur la force hypothétique de l'ordre de à .
La collaboration TESSERACT a établi les limites les plus strictes à ce jour sur les interactions de la matière noire légère (entre 44 et 87 MeV/) en utilisant un détecteur de phonons athermiques en silicium à haute résolution et à double canal, permettant d'atteindre une section efficace inédite de 4 10 cm grâce à une technique de rejet des bruits de fond et une opération en surface.
Cette étude démontre que les réseaux Transformer apprennent des caractéristiques physiquement significatives et plausibles à partir de données de simulations de rayons cosmiques, notamment en ce qui concerne les encodages positionnels et les mécanismes d'attention.
Cet article présente une nouvelle méthode d'inférence bayésienne pour la détermination des fonctions de distribution de partons (PDF) basée sur des modèles linéaires issus d'une réduction dimensionnelle de réseaux de neurones, permettant des estimations d'incertitude robustes et rapides tout en offrant un contrôle transparent sur le surajustement et le sous-ajustement.
Cet article propose une méthode novatrice pour détecter la matière noire axionique en exploitant l'effet Purcell dans des cavités résonantes pour amplifier leur désintégration en deux photons, une approche complémentaire et réalisable avec les schémas de détection hétérodyne existants.
Cet article démontre que les amplitudes de distribution généralisées dimeson chirales-impaires, qui codent la corrélation spin-orbite dans les mésons, peuvent être accessibles expérimentalement via l'interférence des échanges d'un et deux photons dans les réactions d'annihilation , ouvrant ainsi une voie directe pour sonder ce secteur manquant de la structure des mésons.
Cet article présente une méthode d'estimation du posterior neuronal utilisant des flux normalisants conditionnels pour reconstruire avec précision la direction, l'énergie et la topologie des neutrinos ultra-énergétiques détectés par des réseaux radio en glace, permettant ainsi de prédire les incertitudes événement par événement et d'améliorer les performances par rapport aux algorithmes précédents.
Cet article examine les mécanismes de type II seesaw avec deux zéros dans la matrice de masse des neutrinos, démontrant comment les corrélations entre les processus de violation de saveur des leptons chargés, en particulier ceux impliquant le tau, pourraient révéler des échelles d'énergie ultra-élevées et guider les recherches futures au Belle II et dans les expériences de collisionneurs.
Ce papier propose une méthode améliorant la précision de la reconstruction de l'énergie des neutrinos pour les expériences d'oscillation à longue base, en utilisant l'apprentissage automatique pour classifier les événements selon leur type d'interaction avant la reconstruction, réduisant ainsi les incertitudes systématiques de 10 à 20 %.