← नवीनतम पेपर
⚛️ high-energy experiments

Measurement of inclusive BXuνB \to X_u \ell \nu partial branching fractions and Vub|V_{ub}| at Belle II

Belle II प्रयोग के 365 fb1^{-1} डेटा का उपयोग करते हुए, यह अध्ययन 1 GeV से ऊपर के लेप्टॉन ऊर्जा वाले समावेशी (inclusive) चार्लेस सेमीलेप्टोनिक BB मेसॉन क्षय के आंशिक ब्रांचिंग अंश को मापता है ताकि CKM मैट्रिक्स तत्व Vub|V_{ub}| को (4.01±0.190.08+0.07)×103(4.01 \pm 0.19 ^{+0.07} _{-0.08}) \times 10^{-3} के रूप में निर्धारित किया जा सके, जो कि पिछले समावेशी मापन से प्राप्त विश्व औसत के अनुरूप एक परिणाम है।

मूल लेखक: Belle II Collaboration, M. Abumusabh, I. Adachi, K. Adamczyk, L. Aggarwal, H. Ahmed, Y. Ahn, H. Aihara, N. Akopov, S. Alghamdi, M. Alhakami, A. Aloisio, N. Althubiti, K. Amos, N. Anh Ky, C. Antonioli
प्रकाशित 2026-03-31
📖 6 मिनट में पढ़ें🧠 गहराई से पढ़ें

मूल लेखक: Belle II Collaboration, M. Abumusabh, I. Adachi, K. Adamczyk, L. Aggarwal, H. Ahmed, Y. Ahn, H. Aihara, N. Akopov, S. Alghamdi, M. Alhakami, A. Aloisio, N. Althubiti, K. Amos, N. Anh Ky, C. Antonioli, D. M. Asner, H. Atmacan, T. Aushev, R. Ayad, V. Babu, H. Bae, N. K. Baghel, S. Bahinipati, P. Bambade, Sw. Banerjee, M. Barrett, M. Bartl, J. Baudot, A. Beaubien, F. Becherer, J. Becker, J. V. Bennett, F. U. Bernlochner, V. Bertacchi, M. Bertemes, E. Bertholet, M. Bessner, S. Bettarini, V. Bhardwaj, B. Bhuyan, F. Bianchi, T. Bilka, D. Biswas, A. Bobrov, D. Bodrov, G. Bonvicini, J. Borah, A. Boschetti, A. Bozek, M. Bračko, P. Branchini, R. A. Briere, T. E. Browder, A. Budano, S. Bussino, Q. Campagna, M. Campajola, L. Cao, G. Casarosa, C. Cecchi, P. Chang, P. Cheema, L. Chen, B. G. Cheon, C. Cheshta, H. Chetri, K. Chilikin, J. Chin, K. Chirapatpimol, H. -E. Cho, K. Cho, S. -J. Cho, S. -K. Choi, S. Choudhury, S. Chutia, J. Cochran, J. A. Colorado-Caicedo, I. Consigny, L. Corona, J. X. Cui, E. De La Cruz-Burelo, S. A. De La Motte, G. De Nardo, G. De Pietro, R. de Sangro, M. Destefanis, S. Dey, A. Di Canto, J. Dingfelder, Z. Doležal, I. Domínguez Jiménez, T. V. Dong, X. Dong, M. Dorigo, G. Dujany, P. Ecker, J. Eppelt, R. Farkas, P. Feichtinger, T. Ferber, T. Fillinger, C. Finck, G. Finocchiaro, F. Forti, B. G. Fulsom, A. Gabrielli, A. Gale, E. Ganiev, M. Garcia-Hernandez, R. Garg, G. Gaudino, V. Gaur, V. Gautam, A. Gaz, A. Gellrich, G. Ghevondyan, D. Ghosh, H. Ghumaryan, G. Giakoustidis, R. Giordano, A. Giri, P. Gironella Gironell, A. Glazov, B. Gobbo, R. Godang, O. Gogota, P. Goldenzweig, W. Gradl, M. Graf-Schreiber, E. Graziani, D. Greenwald, Y. Guan, K. Gudkova, I. Haide, Y. Han, H. Hayashii, S. Hazra, C. Hearty, M. T. Hedges, A. Heidelbach, G. Heine, I. Heredia de la Cruz, M. Hernández Villanueva, T. Higuchi, M. Hoek, M. Hohmann, R. Hoppe, P. Horak, X. T. Hou, C. -L. Hsu, A. Huang, T. Humair, T. Iijima, K. Inami, N. Ipsita, A. Ishikawa, R. Itoh, M. Iwasaki, P. Jackson, D. Jacobi, W. W. Jacobs, E. -J. Jang, S. Jia, Y. Jin, A. Johnson, M. Kaleta, A. B. Kaliyar, J. Kandra, K. H. Kang, S. Kang, G. Karyan, F. Keil, C. Ketter, M. Khan, C. Kiesling, D. Y. Kim, J. -Y. Kim, K. -H. Kim, H. Kindo, K. Kinoshita, P. Kodyš, T. Koga, S. Kohani, K. Kojima, A. Korobov, S. Korpar, E. Kovalenko, R. Kowalewski, P. Križan, P. Krokovny, T. Kuhr, Y. Kulii, D. Kumar, K. Kumara, T. Kunigo, Y. -J. Kwon, S. Lacaprara, T. Lam, L. Lanceri, J. S. Lange, T. S. Lau, M. Laurenza, R. Leboucher, F. R. Le Diberder, H. Lee, M. J. Lee, C. Lemettais, P. Leo, P. M. Lewis, C. Li, H. -J. Li, L. K. Li, Q. M. Li, W. Z. Li, Y. Li, Y. B. Li, Y. P. Liao, J. Libby, J. Lin, S. Lin, Z. Liptak, M. H. Liu, Q. Y. Liu, Z. Liu, D. Liventsev, S. Longo, A. Lozar, T. Lueck, C. Lyu, J. L. Ma, Y. Ma, M. Maggiora, S. P. Maharana, R. Maiti, G. Mancinelli, R. Manfredi, E. Manoni, M. Mantovano, D. Marcantonio, M. Marfoli, C. Marinas, C. Martellini, A. Martens, T. Martinov, L. Massaccesi, M. Masuda, D. Matvienko, S. K. Maurya, M. Maushart, J. A. McKenna, Z. Mediankin Gruberová, R. Mehta, F. Meier, D. Meleshko, M. Merola, C. Miller, M. Mirra, K. Miyabayashi, H. Miyake, R. Mizuk, G. B. Mohanty, S. Moneta, A. L. Moreira de Carvalho, H. -G. Moser, M. Mrvar, H. Murakami, R. Mussa, I. Nakamura, M. Nakao, Y. Nakazawa, M. Naruki, Z. Natkaniec, A. Natochii, M. Nayak, M. Neu, S. Nishida, R. Nomaru, A. Novosel, S. Ogawa, R. Okubo, H. Ono, F. Otani, G. Pakhlova, A. Panta, S. Pardi, K. Parham, J. Park, K. Park, S. -H. Park, A. Passeri, S. Patra, S. Paul, T. K. Pedlar, R. Pestotnik, M. Piccolo, L. E. Piilonen, P. L. M. Podesta-Lerma, T. Podobnik, C. Praz, S. Prell, E. Prencipe, M. T. Prim, H. Purwar, P. Rados, G. Raeuber, S. Raiz, K. Ravindran, J. U. Rehman, M. Reif, S. Reiter, L. Reuter, D. Ricalde Herrmann, I. Ripp-Baudot, G. Rizzo, S. H. Robertson, J. M. Roney, A. Rostomyan, N. Rout, S. Saha, L. Salutari, D. A. Sanders, S. Sandilya, L. Santelj, V. Savinov, B. Scavino, C. Schmitt, S. Schneider, M. Schnepf, K. Schoenning, C. Schwanda, Y. Seino, A. Selce, K. Senyo, J. Serrano, M. E. Sevior, C. Sfienti, W. Shan, G. Sharma, X. D. Shi, T. Shillington, T. Shimasaki, J. -G. Shiu, D. Shtol, A. Sibidanov, F. Simon, J. B. Singh, J. Skorupa, R. J. Sobie, M. Sobotzik, A. Soffer, A. Sokolov, E. Solovieva, S. Spataro, K. Špenko, B. Spruck, M. Starič, P. Stavroulakis, S. Stefkova, R. Stroili, M. Sumihama, K. Sumisawa, H. Svidras, K. Tackmann, M. Takahashi, M. Takizawa, U. Tamponi, S. Tanaka, S. S. Tang, K. Tanida, F. Tenchini, F. Testa, A. Thaller, T. Tien Manh, O. Tittel, R. Tiwary, E. Torassa, K. Trabelsi, F. F. Trantou, I. Tsaklidis, M. Uchida, I. Ueda, K. Unger, Y. Unno, K. Uno, S. Uno, P. Urquijo, Y. Ushiroda, S. E. Vahsen, R. van Tonder, K. E. Varvell, M. Veronesi, V. S. Vismaya, L. Vitale, V. Vobbilisetti, R. Volpe, M. Wakai, S. Wallner, M. -Z. Wang, A. Warburton, S. Watanuki, C. Wessel, E. Won, X. P. Xu, B. D. Yabsley, W. Yan, W. Yan, J. Yelton, K. Yi, J. H. Yin, K. Yoshihara, C. Z. Yuan, J. Yuan, Y. Yusa, L. Zani, F. Zeng, M. Zeyrek, B. Zhang, V. Zhilich, J. S. Zhou, Q. D. Zhou, L. Zhu, R. Žlebčík

मूल पेपर CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/) के तहत लाइसेंस किया गया है। नीचे दिए गए पेपर की यह व्याख्या AI से तैयार की गई है। इसे लेखकों ने न तो लिखा है, न इसका समर्थन किया है। तकनीकी सटीकता के लिए मूल पेपर देखें। पूरा डिस्क्लेमर पढ़ें

कल्पना कीजिए कि ब्रह्मांड एक विशाल, उच्च-गति वाला रेसट्रैक है जहाँ सूक्ष्म कण जिन्हें B-मेसॉन (B-mesons) कहा जाता है, रेस कारें हैं। ये कारें अस्थिर हैं और लगभग तुरंत टूट जाती हैं (डिके/decay)। जापान में Belle II प्रयोग के भौतिक विज्ञानी उन रेस अधिकारियों की तरह हैं जो यह समझने की कोशिश कर रहे हैं कि ये कारें ठीक कैसे टूटती हैं ताकि वे ब्रह्मांड के मूलभूत नियमों को समझ सकें।

यह शोध पत्र एक विशिष्ट, बहुत ही पेचीदा प्रकार के क्रैश के बारे में है जिसका वे अध्ययन कर रहे हैं: जब एक B-मेसॉन एक लेप्टॉन (lepton) (इलेक्ट्रॉन या म्यूऑन जैसा एक हल्का कण), एक न्यूट्रिनो (neutrino) (एक भूतिया कण जो अदृश्य है), और अन्य कणों के एक बादल (जिसे XuX_u कहा जाता है) में टूट जाता है।

यहाँ उनके अन्वेषण की कहानी सरल रूप में दी गई है:

1. रहस्य: मशीन में "भूत" (The "Ghost" in the Machine)

मुख्य लक्ष्य Vub|V_{ub}| नामक एक संख्या को मापना है। इस संख्या को एक कंट्रोल पैनल पर "स्ट्रेंथ डायल" (शक्ति का पहिया) के रूप में समझें। यह हमें बताता है कि दो विशिष्ट प्रकार के क्वार्क्स (पदार्थ के निर्माण खंड) एक-दूसरे से कितनी मजबूती से संवाद करते हैं।

  • समस्या: इस डायल को मापने के दो अलग-अलग तरीके हैं। एक तरीका कहता है कि डायल 3.4 पर सेट है। दूसरा तरीका कहता है कि यह 4.0 पर सेट है।
  • टकराव: भौतिकी में, यदि एक ही चीज़ को मापने के दो तरीके इतने बड़े अंतर से असहमत होते हैं, तो इसका आमतौर पर मतलब है कि हम कुछ महत्वपूर्ण भूल रहे हैं। यह हमारी गणित में गलती हो सकती है, या यह "नई भौतिकी" (कुछ ऐसा जिसे हम अभी तक नहीं जानते) का संकेत हो सकता है।
  • मिशन: Belle II टीम "इनक्लूसिव" (inclusive) तरीके (केवल विशिष्ट क्रैश को गिनने के बजाय सभी क्रैशों को गिनना) को मापने के लिए एक ताज़ा, सुपर-सटीक नज़र डालना चाहती है ताकि देखा जा सके कि कौन सही है।

2. चुनौती: घास के ढेर में सुई ढूँढना (Finding a Needle in a Haystack)

कल्पना कीजिए कि आप एक विशाल पार्टी (पार्टिकल कोलाइडर) में हैं।

  • सिग्नल (संकेत): आप एक विशिष्ट अतिथि की तलाश कर रहे हैं जिसने लाल टोपी पहनी है (B-मेसॉन जो लेप्टॉन और न्यूट्रिनो में टूट रहा है)।
  • बैकग्राउंड (पृष्ठभूमि): समस्या यह है कि हर एक "लाल टोपी" वाले अतिथि के लिए, 50 अन्य अतिथि नीली टोपियाँ पहने हुए हैं (एक अलग, अधिक सामान्य प्रकार का क्षय जिसे BXcνB \to X_c \ell \nu कहा जाता है)।
  • भूत: "न्यूट्रिनो" एक भूत की तरह है। वह पार्टी में बिना देखे ही निकल जाता है। आप उसे देख नहीं सकते, लेकिन आप जानते हैं कि वह वहाँ है क्योंकि अन्य कण कमरे की कुल ऊर्जा के योग से मेल नहीं खाते।

टीम को 50 नीली टोपियों वाली भीड़ में लाल टोपियों को ढूँढना है, और साथ ही एक भूत का भी हिसाब रखना है जो गायब हो गया है।

3. रणनीति: "टैग टीम" और "नेट" (The "Tag Team" and the "Net")

इसे हल करने के लिए, Belle II टीम एक चतुर दो-भाग वाली रणनीति का उपयोग करती है:

A. टैग टीम (The "Tag B")
जब दो B-मेसॉन बनते हैं, तो वे एक जोड़े के रूप में जन्म लेते हैं। टीम उनमें से एक को पकड़ लेती है (जिसे "Tag B" कहा जाता है) और उसके पूरे इतिहास को फिर से बनाता है। क्योंकि उन्हें पता होता है कि Tag B क्या कर रहा था, वे भौतिकी के नियमों (ऊर्जा और संवेग का संरक्षण) का उपयोग करके यह पता लगा सकते हैं कि दूसरे B-मेसॉन (जिसे "Signal B" कहा जाता है) ने क्या किया था, भले ही वह अदृश्य भूतों में टूट रहा हो। यह बिल्कुल वैसा ही है जैसे यह जानना कि एक जुड़वां भाई ने दोपहर के भोजन में क्या खाया ताकि आप यह अनुमान लगा सकें कि दूसरे जुड़वां ने क्या खाया होगा, भले ही आपने उसे देखा न हो।

B. हाई-टेक नेट (मशीन लर्निंग)
डेटा मिलने के बाद, उन्हें 50 नीली टोपियों को बाहर निकालना होता है। वे आर्टिफिशियल इंटेलिजेंस (AI) का उपयोग करते हैं—विशेष रूप से न्यूरल नेटवर्क का—जो एक अत्यंत स्मार्ट बाउंसर (द्वारपाल) के रूप में कार्य करता है।

  • AI क्रैश के आकार, कणों की ऊर्जा और कोणों को देखता है।
  • यह सीखता है कि "लाल टोपी" वाले क्रैश "नीली टोपी" वाले क्रैश से थोड़े अलग दिखते हैं।
  • AI 98% नीली टोपियों को बाहर फेंक देता है जबकि 25% लाल टोपियों को सुरक्षित रखता है। यह पुराने तरीकों की तुलना में एक बहुत बड़ा सुधार है!

4. परिणाम: एक स्पष्ट तस्वीर

365 "इनवर्स फेम्टोबार्न्स" (जो कि टकराव के डेटा की एक विशाल मात्रा को कहने का एक फैंसी तरीका है) के डेटा का विश्लेषण करने के बाद, उन्होंने पाया:

  1. मापन: उन्होंने सफलतापूर्वक मापा कि ये विशिष्ट क्रैश कितनी बार होते हैं।
  2. डायल सेटिंग: अपने नए, सटीक मापन और कुछ उन्नत गणितीय सिद्धांतों का उपयोग करते हुए, उन्होंने इस स्ट्रेंथ डायल (Vub|V_{ub}|) की गणना 4.01 की गई।
  3. फैसला: यह परिणाम अतीत के "इनक्लूसिव" मापन (4.0 वाले समूह) के साथ सहमत है और "एक्सक्लूसिव" मापन (3.4 वाले समूह) से असहमत है।

5. यह क्यों महत्वपूर्ण है?

मान लीजिए कि भौतिकी का स्टैंडर्ड मॉडल (Standard Model) एक विशाल, जटिल पहेली है। तथ्य यह है कि इस डायल के "इनक्लूसिव" और "एक्सक्लूसिव" मापन आपस में मेल नहीं खाते, यह पहेली में एक दरार है।

  • यदि दरार केवल एक मापन त्रुटि है, तो हमें बेहतर उपकरणों की आवश्यकता है।
  • यदि यह दरार वास्तविक है, तो इसका मतलब यह हो सकता है कि वहाँ नए कण या बल हैं जिनकी हमने अभी तक खोज नहीं की है जो गणित को प्रभावित कर रहे हैं।

बड़े डेटासेट, बेहतर AI और अधिक सटीक पद्धति का उपयोग करके, Belle II टीम ने पुष्टि की है कि "4.0" वाला मान संभवतः सही है। यह भौतिकविदों पर दबाव डालता है कि वे यह पता लगाने के लिए और अधिक खोज करें कि दूसरा तरीका (3.4 वाला मान) अलग उत्तर क्यों दे रहा है।

संक्षेप में

Belle II टीम ने कुशल जासूसों की तरह काम किया। उन्होंने अदृश्य भूतों को ट्रैक करने के लिए "टैग टीम" रणनीति का उपयोग किया, असली संदिग्धों के लिए प्रत्येक 50 छद्मवेशियों (imposters) वाली भीड़ को छानने के लिए AI का उपयोग किया, और पुष्टि की कि ब्रह्मांड का "स्ट्रेंथ डायल" 4.0 पर सेट है। यह परिणाम रहस्य को जीवित रखता है, जिससे वैज्ञानिकों को उस नई भौतिकी को खोजने के लिए प्रेरित किया जाता है जो इस विसंगति में छिपी हुई है।

अपने क्षेत्र के पेपरों की भीड़ में उलझे हुए हैं?

आपके रिसर्च कीवर्ड से मेल खाने वाले सबसे नए और अलग सोच वाले पेपरों का रोज़ाना Digest पाएँ—तकनीकी सारांश के साथ, आपकी भाषा में।

Digest आज़माएँ →