hep-ex

First Measurement of Correlated Charge Noise in Superconducting Qubits at an Underground Facility

Wasserstein normalized autoencoder for anomaly detection

Ce document présente l'autoencodeur normalisé de Wasserstein (WNAE), un nouveau modèle de détection d'anomalies non supervisé qui minimise la distance de Wasserstein entre les données d'entraînement et une distribution de Boltzmann des erreurs de reconstruction afin d'identifier efficacement les jets semi-visibles au CERN LHC tout en surmontant les échecs de reconstruction dus aux valeurs aberrantes fréquents dans les autoencodeurs standards.

From Qubits to Couplings: A Hybrid Quantum Machine Learning Framework for LHC Physics

Cet article propose un cadre d'apprentissage automatique quantique hybride qui intègre des circuits quantiques paramétrés à des réseaux de neurones classiques afin d'améliorer significativement la sensibilité des recherches du double boson de Higgs dans le canal $HH \to b\bar{b}\gamma\gamma$ au LHC, surpassant à la fois les modèles classiques et purement quantiques de pointe pour contraindre les sections efficaces de production et les paramètres de couplage.

Performance of an LYSO-Based Active Converter for a Conversion Spectrometer aiming for 52.8 MeV photon detection in Future $\mu^+ \to e^+ \gamma$ Search Experiments

Cet article rapporte le développement réussi et la validation par faison de test d'un prototype de convertisseur actif à base de LYSO pour les futures expériences $\mu^+ \to e^+ \gamma$, démontrant une résolution temporelle de 25 ps et un rendement lumineux de $10^4$ photoélectrons qui dépassent significativement les exigences de conception pour la détection de photons de 52,8 MeV.

New quantum information perspectives in the axion--photon and neutrino systems

Cet article applique la théorie de l'information quantique aux systèmes axion-photon et neutrinos, démontrant comment leur dynamique couplée génère de l'intrication, caractérisant les corrélations quantiques et les limites de vitesse qui en résultent, et établissant des connexions entre la phénoménologie des axions, les oscillations de neutrinos et les ressources quantiques fondamentales.

Characterizing the energy resolution of the MicroBooNE LArTPC at the MeV scale using monoenergetic features of $^{208}$Tl decays

Cet article présente la toute première mesure de la résolution en énergie dans une chambre à projection temporelle à argon liquide (LArTPC) à l'échelle du MeV, utilisant des signaux monoénergétiques provenant de désintégrations de $^{208}$Tl dans le détecteur MicroBooNE pour déterminer une résolution d'environ 7,52 % et valider les prédictions de simulation.

Searching for Lepton Flavor Violating decays of the Higgs Boson into $\mu\tau$, $e\tau$, and $e\mu$ final states at FCC-ee

Cet article étudie la sensibilité projetée du FCC-ee à $\sqrt{s}=240$ GeV avec une luminosité de 5 ab$^{-1}$ pour les désintégrations du Higgs violant la saveur leptonique vers les états finaux $\mu\tau$, $e\tau$ et $e\mu$, en établissant des limites supérieures de branchement à un niveau de confiance de 95 % et en démontrant que les contraintes du FCC-ee surpassent les recherches à basse énergie pour les canaux $e-\tau$ et $\mu-\tau$, tout en restant moins strictes pour le canal $e-\mu$.

Model-Agnostic Signal Discovery with Machine Learning: Bridging the Gap Between Theory and Practice

Cet article passe en revue le cadre conceptuel, les pièges potentiels et les stratégies de validation des techniques de recherche agnostiques du modèle basées sur l'IA, conçues pour accroître le potentiel de découverte de données scientifiques complexes en privilégiant une exploration large plutôt que des hypothèses théoriques spécifiques.

Measurement of the cross-section for the production of a $W$ boson in association with $b$-jets in $pp$ collisions at $\sqrt{s}=13$ TeV with the ATLAS detector

En utilisant 140 fb$^{-1}$ de données de collisions proton-proton à 13 TeV collectées par le détecteur ATLAS, cet article présente une mesure de la section efficace de production de $W$+jet $b$ qui atteint une précision relative deux fois meilleure que les résultats précédents et qui est cohérente avec les prédictions de la QCD au niveau suivant (next-to-leading-order).

Deep-learning-based low-energy trigger algorithms for the Hyper-Kamiokande experiment

Ce document démontre que les algorithmes de déclenchement basés sur l'apprentissage profond, particulièrement un réseau de neurones supervisé et un modèle de détection d'anomalies basé sur l'MPDR, surpassent de manière significative les déclencheurs traditionnels par comptage de coups pour identifier les événements de neutrinos à basse énergie pour l'expérience Hyper-Kamiokande, tout en maintenant une faisabilité en temps réel avec des latences d'inférence GPU inférieures à la milliseconde.