⚛️ high-energy experiments

Observation of $\Lambda^+_c\to n\pi^+\eta$ and search for $\Lambda^+_c\to na_0(980)^+$

BESIII डिटेक्टर के 6.1 fb $^{-1}$ डेटा का उपयोग करते हुए, यह अध्ययन 9.5 $\sigma$ के महत्व के साथ $\Lambda_c^+\to n\pi^+\eta$ क्षय के पहले अवलोकन की रिपोर्ट करता है, $\Lambda_c^+\to \Lambda\pi^+\eta$ के सापेक्ष इसके ब्रांचिंग अंश (branching fraction) को मापता है, और बैकग्राउंड सप्रेशन के लिए ट्रांसफार्मर-आधारित डीप लर्निंग दृष्टिकोण का उपयोग करते हुए मध्यवर्ती प्रक्रिया $\Lambda_c^+\to na_0(980)^+$ पर एक ऊपरी सीमा निर्धारित करता है।

मूल लेखक: BESIII Collaboration, M. Ablikim, M. N. Achasov, P. Adlarson, X. C. Ai, C. S. Akondi, R. Aliberti, A. Amoroso, Q. An, Y. H. An, Y. Bai, O. Bakina, Y. Ban, H. -R. Bao, X. L. Bao, V. Batozskaya, K. BegzBESIII Collaboration, M. Ablikim, M. N. Achasov, P. Adlarson, X. C. Ai, C. S. Akondi, R. Aliberti, A. Amoroso, Q. An, Y. H. An, Y. Bai, O. Bakina, Y. Ban, H. -R. Bao, X. L. Bao, V. Batozskaya, K. Begzsuren, N. Berger, M. Berlowski, M. B. Bertani, D. Bettoni, F. Bianchi, E. Bianco, A. Bortone, I. Boyko, R. A. Briere, A. Brueggemann, H. Cai, M. H. Cai, X. Cai, A. Calcaterra, G. F. Cao, N. Cao, S. A. Cetin, X. Y. Chai, J. F. Chang, T. T. Chang, G. R. Che, Y. Z. Che, C. H. Chen, Chao Chen, G. Chen, H. S. Chen, H. Y. Chen, M. L. Chen, S. J. Chen, S. M. Chen, T. Chen, W. Chen, X. R. Chen, X. T. Chen, X. Y. Chen, Y. B. Chen, Y. Q. Chen, Z. K. Chen, J. Cheng, L. N. Cheng, S. K. Choi, X. Chu, G. Cibinetto, F. Cossio, J. Cottee-Meldrum, H. L. Dai, J. P. Dai, X. C. Dai, A. Dbeyssi, R. E. de Boer, D. Dedovich, C. Q. Deng, Z. Y. Deng, A. Denig, I. Denisenko, M. Destefanis, F. De Mori, X. X. Ding, Y. Ding, Y. Ding, Y. X. Ding, J. Dong, L. Y. Dong, M. Y. Dong, X. Dong, M. C. Du, S. X. Du, S. X. Du, X. L. Du, Y. Q. Du, Y. Y. Duan, Z. H. Duan, P. Egorov, G. F. Fan, J. J. Fan, Y. H. Fan, J. Fang, J. Fang, S. S. Fang, W. X. Fang, Y. Q. Fang, L. Fava, F. Feldbauer, G. Felici, C. Q. Feng, J. H. Feng, L. Feng, Q. X. Feng, Y. T. Feng, M. Fritsch, C. D. Fu, J. L. Fu, Y. W. Fu, H. Gao, Y. Gao, Y. N. Gao, Y. N. Gao, Y. Y. Gao, Z. Gao, S. Garbolino, I. Garzia, L. Ge, P. T. Ge, Z. W. Ge, C. Geng, E. M. Gersabeck, A. Gilman, K. Goetzen, J. Gollub, J. B. Gong, J. D. Gong, L. Gong, W. X. Gong, W. Gradl, S. Gramigna, M. Greco, M. D. Gu, M. H. Gu, C. Y. Guan, A. Q. Guo, J. N. Guo, L. B. Guo, M. J. Guo, R. P. Guo, X. Guo, Y. P. Guo, Z. Guo, A. Guskov, J. Gutierrez, J. Y. Han, T. T. Han, X. Han, F. Hanisch, K. D. Hao, X. Q. Hao, F. A. Harris, C. Z. He, K. K. He, K. L. He, F. H. Heinsius, C. H. Heinz, Y. K. Heng, C. Herold, P. C. Hong, G. Y. Hou, X. T. Hou, Y. R. Hou, Z. L. Hou, H. M. Hu, J. F. Hu, Q. P. Hu, S. L. Hu, T. Hu, Y. Hu, Y. X. Hu, Z. M. Hu, G. S. Huang, K. X. Huang, L. Q. Huang, P. Huang, X. T. Huang, Y. P. Huang, Y. S. Huang, T. Hussain, N. Hüsken, N. in der Wiesche, J. Jackson, Q. Ji, Q. P. Ji, W. Ji, X. B. Ji, X. L. Ji, L. K. Jia, X. Q. Jia, Z. K. Jia, D. Jiang, H. B. Jiang, P. C. Jiang, S. J. Jiang, X. S. Jiang, Y. Jiang, J. B. Jiao, J. K. Jiao, Z. Jiao, L. C. L. Jin, S. Jin, Y. Jin, M. Q. Jing, X. M. Jing, T. Johansson, S. Kabana, X. L. Kang, X. S. Kang, B. C. Ke, V. Khachatryan, A. Khoukaz, O. B. Kolcu, B. Kopf, L. Kröger, L. Krümmel, Y. Y. Kuang, M. Kuessner, X. Kui, N. Kumar, A. Kupsc, W. Kühn, Q. Lan, W. N. Lan, T. T. Lei, M. Lellmann, T. Lenz, C. Li, C. Li, C. H. Li, C. K. Li, C. K. Li, D. M. Li, F. Li, G. Li, H. B. Li, H. J. Li, H. L. Li, H. N. Li, H. P. Li, Hui Li, J. S. Li, J. W. Li, K. Li, K. L. Li, L. J. Li, Lei Li, M. H. Li, M. R. Li, P. L. Li, P. R. Li, Q. M. Li, Q. X. Li, R. Li, S. Li, S. X. Li, S. Y. Li, Shanshan Li, T. Li, T. Y. Li, W. D. Li, W. G. Li, X. Li, X. H. Li, X. K. Li, X. L. Li, X. Y. Li, X. Z. Li, Y. Li, Y. G. Li, Y. P. Li, Z. H. Li, Z. J. Li, Z. L. Li, Z. X. Li, Z. Y. Li, C. Liang, H. Liang, Y. F. Liang, Y. T. Liang, G. R. Liao, L. B. Liao, M. H. Liao, Y. P. Liao, J. Libby, A. Limphirat, C. C. Lin, D. X. Lin, T. Lin, B. J. Liu, B. X. Liu, C. Liu, C. X. Liu, F. Liu, F. H. Liu, Feng Liu, G. M. Liu, H. Liu, H. B. Liu, H. M. Liu, Huihui Liu, J. B. Liu, J. J. Liu, K. Liu, K. Liu, K. Y. Liu, Ke Liu, L. Liu, L. C. Liu, Lu Liu, M. H. Liu, P. L. Liu, Q. Liu, S. B. Liu, T. Liu, W. M. Liu, W. T. Liu, X. Liu, X. K. Liu, X. L. Liu, X. P. Liu, X. Y. Liu, Y. Liu, Y. Liu, Y. B. Liu, Z. A. Liu, Z. D. Liu, Z. L. Liu, Z. Q. Liu, Z. Y. Liu, X. C. Lou, H. J. Lu, J. G. Lu, X. L. Lu, Y. Lu, Y. H. Lu, Y. P. Lu, Z. H. Lu, C. L. Luo, J. R. Luo, J. S. Luo, M. X. Luo, T. Luo, X. L. Luo, Z. Y. Lv, X. R. Lyu, Y. F. Lyu, Y. H. Lyu, F. C. Ma, H. L. Ma, Heng Ma, J. L. Ma, L. L. Ma, L. R. Ma, Q. M. Ma, R. Q. Ma, R. Y. Ma, T. Ma, X. T. Ma, X. Y. Ma, Y. M. Ma, F. E. Maas, I. MacKay, M. Maggiora, S. Malde, Q. A. Malik, H. X. Mao, Y. J. Mao, Z. P. Mao, S. Marcello, A. Marshall, F. M. Melendi, Y. H. Meng, Z. X. Meng, G. Mezzadri, H. Miao, T. J. Min, R. E. Mitchell, X. H. Mo, B. Moses, N. Yu. Muchnoi, J. Muskalla, Y. Nefedov, F. Nerling, H. Neuwirth, Z. Ning, S. Nisar, Q. L. Niu, W. D. Niu, Y. Niu, C. Normand, S. L. Olsen, Q. Ouyang, S. Pacetti, X. Pan, Y. Pan, A. Pathak, Y. P. Pei, M. Pelizaeus, G. L. Peng, H. P. Peng, X. J. Peng, Y. Y. Peng, K. Peters, K. Petridis, J. L. Ping, R. G. Ping, S. Plura, V. Prasad, F. Z. Qi, H. R. Qi, M. Qi, S. Qian, W. B. Qian, C. F. Qiao, J. H. Qiao, J. J. Qin, J. L. Qin, L. Q. Qin, L. Y. Qin, P. B. Qin, X. P. Qin, X. S. Qin, Z. H. Qin, J. F. Qiu, Z. H. Qu, J. Rademacker, C. F. Redmer, A. Rivetti, M. Rolo, G. Rong, S. S. Rong, F. Rosini, Ch. Rosner, M. Q. Ruan, N. Salone, A. Sarantsev, Y. Schelhaas, K. Schoenning, M. Scodeggio, W. Shan, X. Y. Shan, Z. J. Shang, J. F. Shangguan, L. G. Shao, M. Shao, C. P. Shen, H. F. Shen, W. H. Shen, X. Y. Shen, B. A. Shi, H. Shi, J. L. Shi, J. Y. Shi, M. H. Shi, S. Y. Shi, X. Shi, H. L. Song, J. J. Song, M. H. Song, T. Z. Song, W. M. Song, Y. X. Song, Zirong Song, S. Sosio, S. Spataro, S Stansilaus, F. Stieler, M. Stolte, S. S Su, G. B. Sun, G. X. Sun, H. Sun, H. K. Sun, J. F. Sun, K. Sun, L. Sun, R. Sun, S. S. Sun, T. Sun, W. Y. Sun, Y. C. Sun, Y. H. Sun, Y. J. Sun, Y. Z. Sun, Z. Q. Sun, Z. T. Sun, H. Tabaharizato, C. J. Tang, G. Y. Tang, J. Tang, J. J. Tang, L. F. Tang, Y. A. Tang, L. Y. Tao, M. Tat, J. X. Teng, J. Y. Tian, W. H. Tian, Y. Tian, Z. F. Tian, I. Uman, E. van der Smagt, B. Wang, B. Wang, Bo Wang, C. Wang, C. Wang, Cong Wang, D. Y. Wang, H. J. Wang, H. R. Wang, J. Wang, J. J. Wang, J. P. Wang, K. Wang, L. L. Wang, L. W. Wang, M. Wang, M. Wang, N. Y. Wang, S. Wang, Shun Wang, T. Wang, T. J. Wang, W. Wang, W. P. Wang, X. F. Wang, X. L. Wang, X. N. Wang, Xin Wang, Y. Wang, Y. D. Wang, Y. F. Wang, Y. H. Wang, Y. J. Wang, Y. L. Wang, Y. N. Wang, Y. N. Wang, Yaqian Wang, Yi Wang, Yuan Wang, Z. Wang, Z. Wang, Z. L. Wang, Z. Q. Wang, Z. Y. Wang, Ziyi Wang, D. Wei, D. J. WEI Wei, D. H. Wei, H. R. Wei, F. Weidner, S. P. Wen, U. Wiedner, G. Wilkinson, M. Wolke, J. F. Wu, L. H. Wu, L. J. Wu, Lianjie Wu, S. G. Wu, S. M. Wu, X. W. Wu, Z. Wu, H. L. Xia, L. Xia, B. H. Xiang, D. Xiao, G. Y. Xiao, H. Xiao, Y. L. Xiao, Z. J. Xiao, C. Xie, K. J. Xie, Y. Xie, Y. G. Xie, Y. H. Xie, Z. P. Xie, T. Y. Xing, D. B. Xiong, C. J. Xu, G. F. Xu, H. Y. Xu, M. Xu, Q. J. Xu, Q. N. Xu, T. D. Xu, X. P. Xu, Y. Xu, Y. C. Xu, Z. S. Xu, F. Yan, L. Yan, W. B. Yan, W. C. Yan, W. H. Yan, W. P. Yan, X. Q. Yan, Y. Y. Yan, H. J. Yang, H. L. Yang, H. X. Yang, J. H. Yang, R. J. Yang, X. Y. Yang, Y. Yang, Y. H. Yang, Y. H. Yang, Y. M. Yang, Y. Q. Yang, Y. Z. Yang, Z. Y. Yang, Z. P. Yao, M. Ye, M. H. Ye, Z. J. Ye, Junhao Yin, Z. Y. You, B. X. Yu, C. X. Yu, G. Yu, J. S. Yu, L. W. Yu, T. Yu, X. D. Yu, Y. C. Yu, Y. C. Yu, C. Z. Yuan, H. Yuan, J. Yuan, J. Yuan, L. Yuan, M. K. Yuan, S. H. Yuan, Y. Yuan, C. X. Yue, Ying Yue, A. A. Zafar, F. R. Zeng, S. H. Zeng, X. Zeng, Y. J. Zeng, Y. J. Zeng, Y. C. Zhai, Y. H. Zhan, S. N. Zhang, B. L. Zhang, B. X. Zhang, D. H. Zhang, G. Y. Zhang, G. Y. Zhang, H. Zhang, H. Zhang, H. C. Zhang, H. H. Zhang, H. Q. Zhang, H. R. Zhang, H. Y. Zhang, J. Zhang, J. J. Zhang, J. L. Zhang, J. Q. Zhang, J. S. Zhang, J. W. Zhang, J. X. Zhang, J. Y. Zhang, J. Y. Zhang, J. Z. Zhang, Jianyu Zhang, Jin Zhang, L. M. Zhang, Lei Zhang, N. Zhang, P. Zhang, Q. Zhang, Q. Y. Zhang, Q. Z. Zhang, R. Y. Zhang, S. H. Zhang, Shulei Zhang, X. M. Zhang, X. Y. Zhang, Y. Zhang, Y. Zhang, Y. T. Zhang, Y. H. Zhang, Y. P. Zhang, Z. D. Zhang, Z. H. Zhang, Z. L. Zhang, Z. L. Zhang, Z. X. Zhang, Z. Y. Zhang, Z. Y. Zhang, Z. Y. Zhang, Zh. Zh. Zhang, G. Zhao, J. -P. Zhao, J. Y. Zhao, J. Z. Zhao, L. Zhao, L. Zhao, M. G. Zhao, R. P. Zhao, S. J. Zhao, Y. B. Zhao, Y. L. Zhao, Y. P. Zhao, Y. X. Zhao, Z. G. Zhao, A. Zhemchugov, B. Zheng, B. M. Zheng, J. P. Zheng, W. J. Zheng, W. Q. Zheng, X. R. Zheng, Y. H. Zheng, B. Zhong, C. Zhong, H. Zhou, J. Q. Zhou, S. Zhou, X. Zhou, X. K. Zhou, X. R. Zhou, X. Y. Zhou, Y. X. Zhou, Y. Z. Zhou, A. N. Zhu, J. Zhu, K. Zhu, K. J. Zhu, K. S. Zhu, L. X. Zhu, Lin Zhu, S. H. Zhu, T. J. Zhu, W. D. Zhu, W. J. Zhu, W. Z. Zhu, Y. C. Zhu, Z. A. Zhu, X. Y. Zhuang, J. H. Zou

प्रकाशित 2026-03-31

📖 6 मिनट में पढ़ें🧠 गहराई से पढ़ें

CC BY 4.0

मूल लेखक: BESIII Collaboration, M. Ablikim, M. N. Achasov, P. Adlarson, X. C. Ai, C. S. Akondi, R. Aliberti, A. Amoroso, Q. An, Y. H. An, Y. Bai, O. Bakina, Y. Ban, H. -R. Bao, X. L. Bao, V. Batozskaya, K. Begzsuren, N. Berger, M. Berlowski, M. B. Bertani, D. Bettoni, F. Bianchi, E. Bianco, A. Bortone, I. Boyko, R. A. Briere, A. Brueggemann, H. Cai, M. H. Cai, X. Cai, A. Calcaterra, G. F. Cao, N. Cao, S. A. Cetin, X. Y. Chai, J. F. Chang, T. T. Chang, G. R. Che, Y. Z. Che, C. H. Chen, Chao Chen, G. Chen, H. S. Chen, H. Y. Chen, M. L. Chen, S. J. Chen, S. M. Chen, T. Chen, W. Chen, X. R. Chen, X. T. Chen, X. Y. Chen, Y. B. Chen, Y. Q. Chen, Z. K. Chen, J. Cheng, L. N. Cheng, S. K. Choi, X. Chu, G. Cibinetto, F. Cossio, J. Cottee-Meldrum, H. L. Dai, J. P. Dai, X. C. Dai, A. Dbeyssi, R. E. de Boer, D. Dedovich, C. Q. Deng, Z. Y. Deng, A. Denig, I. Denisenko, M. Destefanis, F. De Mori, X. X. Ding, Y. Ding, Y. Ding, Y. X. Ding, J. Dong, L. Y. Dong, M. Y. Dong, X. Dong, M. C. Du, S. X. Du, S. X. Du, X. L. Du, Y. Q. Du, Y. Y. Duan, Z. H. Duan, P. Egorov, G. F. Fan, J. J. Fan, Y. H. Fan, J. Fang, J. Fang, S. S. Fang, W. X. Fang, Y. Q. Fang, L. Fava, F. Feldbauer, G. Felici, C. Q. Feng, J. H. Feng, L. Feng, Q. X. Feng, Y. T. Feng, M. Fritsch, C. D. Fu, J. L. Fu, Y. W. Fu, H. Gao, Y. Gao, Y. N. Gao, Y. N. Gao, Y. Y. Gao, Z. Gao, S. Garbolino, I. Garzia, L. Ge, P. T. Ge, Z. W. Ge, C. Geng, E. M. Gersabeck, A. Gilman, K. Goetzen, J. Gollub, J. B. Gong, J. D. Gong, L. Gong, W. X. Gong, W. Gradl, S. Gramigna, M. Greco, M. D. Gu, M. H. Gu, C. Y. Guan, A. Q. Guo, J. N. Guo, L. B. Guo, M. J. Guo, R. P. Guo, X. Guo, Y. P. Guo, Z. Guo, A. Guskov, J. Gutierrez, J. Y. Han, T. T. Han, X. Han, F. Hanisch, K. D. Hao, X. Q. Hao, F. A. Harris, C. Z. He, K. K. He, K. L. He, F. H. Heinsius, C. H. Heinz, Y. K. Heng, C. Herold, P. C. Hong, G. Y. Hou, X. T. Hou, Y. R. Hou, Z. L. Hou, H. M. Hu, J. F. Hu, Q. P. Hu, S. L. Hu, T. Hu, Y. Hu, Y. X. Hu, Z. M. Hu, G. S. Huang, K. X. Huang, L. Q. Huang, P. Huang, X. T. Huang, Y. P. Huang, Y. S. Huang, T. Hussain, N. Hüsken, N. in der Wiesche, J. Jackson, Q. Ji, Q. P. Ji, W. Ji, X. B. Ji, X. L. Ji, L. K. Jia, X. Q. Jia, Z. K. Jia, D. Jiang, H. B. Jiang, P. C. Jiang, S. J. Jiang, X. S. Jiang, Y. Jiang, J. B. Jiao, J. K. Jiao, Z. Jiao, L. C. L. Jin, S. Jin, Y. Jin, M. Q. Jing, X. M. Jing, T. Johansson, S. Kabana, X. L. Kang, X. S. Kang, B. C. Ke, V. Khachatryan, A. Khoukaz, O. B. Kolcu, B. Kopf, L. Kröger, L. Krümmel, Y. Y. Kuang, M. Kuessner, X. Kui, N. Kumar, A. Kupsc, W. Kühn, Q. Lan, W. N. Lan, T. T. Lei, M. Lellmann, T. Lenz, C. Li, C. Li, C. H. Li, C. K. Li, C. K. Li, D. M. Li, F. Li, G. Li, H. B. Li, H. J. Li, H. L. Li, H. N. Li, H. P. Li, Hui Li, J. S. Li, J. W. Li, K. Li, K. L. Li, L. J. Li, Lei Li, M. H. Li, M. R. Li, P. L. Li, P. R. Li, Q. M. Li, Q. X. Li, R. Li, S. Li, S. X. Li, S. Y. Li, Shanshan Li, T. Li, T. Y. Li, W. D. Li, W. G. Li, X. Li, X. H. Li, X. K. Li, X. L. Li, X. Y. Li, X. Z. Li, Y. Li, Y. G. Li, Y. P. Li, Z. H. Li, Z. J. Li, Z. L. Li, Z. X. Li, Z. Y. Li, C. Liang, H. Liang, Y. F. Liang, Y. T. Liang, G. R. Liao, L. B. Liao, M. H. Liao, Y. P. Liao, J. Libby, A. Limphirat, C. C. Lin, D. X. Lin, T. Lin, B. J. Liu, B. X. Liu, C. Liu, C. X. Liu, F. Liu, F. H. Liu, Feng Liu, G. M. Liu, H. Liu, H. B. Liu, H. M. Liu, Huihui Liu, J. B. Liu, J. J. Liu, K. Liu, K. Liu, K. Y. Liu, Ke Liu, L. Liu, L. C. Liu, Lu Liu, M. H. Liu, P. L. Liu, Q. Liu, S. B. Liu, T. Liu, W. M. Liu, W. T. Liu, X. Liu, X. K. Liu, X. L. Liu, X. P. Liu, X. Y. Liu, Y. Liu, Y. Liu, Y. B. Liu, Z. A. Liu, Z. D. Liu, Z. L. Liu, Z. Q. Liu, Z. Y. Liu, X. C. Lou, H. J. Lu, J. G. Lu, X. L. Lu, Y. Lu, Y. H. Lu, Y. P. Lu, Z. H. Lu, C. L. Luo, J. R. Luo, J. S. Luo, M. X. Luo, T. Luo, X. L. Luo, Z. Y. Lv, X. R. Lyu, Y. F. Lyu, Y. H. Lyu, F. C. Ma, H. L. Ma, Heng Ma, J. L. Ma, L. L. Ma, L. R. Ma, Q. M. Ma, R. Q. Ma, R. Y. Ma, T. Ma, X. T. Ma, X. Y. Ma, Y. M. Ma, F. E. Maas, I. MacKay, M. Maggiora, S. Malde, Q. A. Malik, H. X. Mao, Y. J. Mao, Z. P. Mao, S. Marcello, A. Marshall, F. M. Melendi, Y. H. Meng, Z. X. Meng, G. Mezzadri, H. Miao, T. J. Min, R. E. Mitchell, X. H. Mo, B. Moses, N. Yu. Muchnoi, J. Muskalla, Y. Nefedov, F. Nerling, H. Neuwirth, Z. Ning, S. Nisar, Q. L. Niu, W. D. Niu, Y. Niu, C. Normand, S. L. Olsen, Q. Ouyang, S. Pacetti, X. Pan, Y. Pan, A. Pathak, Y. P. Pei, M. Pelizaeus, G. L. Peng, H. P. Peng, X. J. Peng, Y. Y. Peng, K. Peters, K. Petridis, J. L. Ping, R. G. Ping, S. Plura, V. Prasad, F. Z. Qi, H. R. Qi, M. Qi, S. Qian, W. B. Qian, C. F. Qiao, J. H. Qiao, J. J. Qin, J. L. Qin, L. Q. Qin, L. Y. Qin, P. B. Qin, X. P. Qin, X. S. Qin, Z. H. Qin, J. F. Qiu, Z. H. Qu, J. Rademacker, C. F. Redmer, A. Rivetti, M. Rolo, G. Rong, S. S. Rong, F. Rosini, Ch. Rosner, M. Q. Ruan, N. Salone, A. Sarantsev, Y. Schelhaas, K. Schoenning, M. Scodeggio, W. Shan, X. Y. Shan, Z. J. Shang, J. F. Shangguan, L. G. Shao, M. Shao, C. P. Shen, H. F. Shen, W. H. Shen, X. Y. Shen, B. A. Shi, H. Shi, J. L. Shi, J. Y. Shi, M. H. Shi, S. Y. Shi, X. Shi, H. L. Song, J. J. Song, M. H. Song, T. Z. Song, W. M. Song, Y. X. Song, Zirong Song, S. Sosio, S. Spataro, S Stansilaus, F. Stieler, M. Stolte, S. S Su, G. B. Sun, G. X. Sun, H. Sun, H. K. Sun, J. F. Sun, K. Sun, L. Sun, R. Sun, S. S. Sun, T. Sun, W. Y. Sun, Y. C. Sun, Y. H. Sun, Y. J. Sun, Y. Z. Sun, Z. Q. Sun, Z. T. Sun, H. Tabaharizato, C. J. Tang, G. Y. Tang, J. Tang, J. J. Tang, L. F. Tang, Y. A. Tang, L. Y. Tao, M. Tat, J. X. Teng, J. Y. Tian, W. H. Tian, Y. Tian, Z. F. Tian, I. Uman, E. van der Smagt, B. Wang, B. Wang, Bo Wang, C. Wang, C. Wang, Cong Wang, D. Y. Wang, H. J. Wang, H. R. Wang, J. Wang, J. J. Wang, J. P. Wang, K. Wang, L. L. Wang, L. W. Wang, M. Wang, M. Wang, N. Y. Wang, S. Wang, Shun Wang, T. Wang, T. J. Wang, W. Wang, W. P. Wang, X. F. Wang, X. L. Wang, X. N. Wang, Xin Wang, Y. Wang, Y. D. Wang, Y. F. Wang, Y. H. Wang, Y. J. Wang, Y. L. Wang, Y. N. Wang, Y. N. Wang, Yaqian Wang, Yi Wang, Yuan Wang, Z. Wang, Z. Wang, Z. L. Wang, Z. Q. Wang, Z. Y. Wang, Ziyi Wang, D. Wei, D. J. WEI Wei, D. H. Wei, H. R. Wei, F. Weidner, S. P. Wen, U. Wiedner, G. Wilkinson, M. Wolke, J. F. Wu, L. H. Wu, L. J. Wu, Lianjie Wu, S. G. Wu, S. M. Wu, X. W. Wu, Z. Wu, H. L. Xia, L. Xia, B. H. Xiang, D. Xiao, G. Y. Xiao, H. Xiao, Y. L. Xiao, Z. J. Xiao, C. Xie, K. J. Xie, Y. Xie, Y. G. Xie, Y. H. Xie, Z. P. Xie, T. Y. Xing, D. B. Xiong, C. J. Xu, G. F. Xu, H. Y. Xu, M. Xu, Q. J. Xu, Q. N. Xu, T. D. Xu, X. P. Xu, Y. Xu, Y. C. Xu, Z. S. Xu, F. Yan, L. Yan, W. B. Yan, W. C. Yan, W. H. Yan, W. P. Yan, X. Q. Yan, Y. Y. Yan, H. J. Yang, H. L. Yang, H. X. Yang, J. H. Yang, R. J. Yang, X. Y. Yang, Y. Yang, Y. H. Yang, Y. H. Yang, Y. M. Yang, Y. Q. Yang, Y. Z. Yang, Z. Y. Yang, Z. P. Yao, M. Ye, M. H. Ye, Z. J. Ye, Junhao Yin, Z. Y. You, B. X. Yu, C. X. Yu, G. Yu, J. S. Yu, L. W. Yu, T. Yu, X. D. Yu, Y. C. Yu, Y. C. Yu, C. Z. Yuan, H. Yuan, J. Yuan, J. Yuan, L. Yuan, M. K. Yuan, S. H. Yuan, Y. Yuan, C. X. Yue, Ying Yue, A. A. Zafar, F. R. Zeng, S. H. Zeng, X. Zeng, Y. J. Zeng, Y. J. Zeng, Y. C. Zhai, Y. H. Zhan, S. N. Zhang, B. L. Zhang, B. X. Zhang, D. H. Zhang, G. Y. Zhang, G. Y. Zhang, H. Zhang, H. Zhang, H. C. Zhang, H. H. Zhang, H. Q. Zhang, H. R. Zhang, H. Y. Zhang, J. Zhang, J. J. Zhang, J. L. Zhang, J. Q. Zhang, J. S. Zhang, J. W. Zhang, J. X. Zhang, J. Y. Zhang, J. Y. Zhang, J. Z. Zhang, Jianyu Zhang, Jin Zhang, L. M. Zhang, Lei Zhang, N. Zhang, P. Zhang, Q. Zhang, Q. Y. Zhang, Q. Z. Zhang, R. Y. Zhang, S. H. Zhang, Shulei Zhang, X. M. Zhang, X. Y. Zhang, Y. Zhang, Y. Zhang, Y. T. Zhang, Y. H. Zhang, Y. P. Zhang, Z. D. Zhang, Z. H. Zhang, Z. L. Zhang, Z. L. Zhang, Z. X. Zhang, Z. Y. Zhang, Z. Y. Zhang, Z. Y. Zhang, Zh. Zh. Zhang, G. Zhao, J. -P. Zhao, J. Y. Zhao, J. Z. Zhao, L. Zhao, L. Zhao, M. G. Zhao, R. P. Zhao, S. J. Zhao, Y. B. Zhao, Y. L. Zhao, Y. P. Zhao, Y. X. Zhao, Z. G. Zhao, A. Zhemchugov, B. Zheng, B. M. Zheng, J. P. Zheng, W. J. Zheng, W. Q. Zheng, X. R. Zheng, Y. H. Zheng, B. Zhong, C. Zhong, H. Zhou, J. Q. Zhou, S. Zhou, X. Zhou, X. K. Zhou, X. R. Zhou, X. Y. Zhou, Y. X. Zhou, Y. Z. Zhou, A. N. Zhu, J. Zhu, K. Zhu, K. J. Zhu, K. S. Zhu, L. X. Zhu, Lin Zhu, S. H. Zhu, T. J. Zhu, W. D. Zhu, W. J. Zhu, W. Z. Zhu, Y. C. Zhu, Z. A. Zhu, X. Y. Zhuang, J. H. Zou

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

एक बड़ी तस्वीर: एक ब्रह्मांडीय जासूसी कहानी

कल्पना कीजिए कि ब्रह्त्व एक विशाल, हाई-स्पीड रेसट्रैक है। बीजिंग की BESIII प्रयोगशाला में, वैज्ञानिक एक विशाल प्रयोग चला रहे हैं जहाँ वे इलेक्ट्रॉन और पॉज़िट्रॉन (प्रकाश और पदार्थ के सूक्ष्म कण) को अविश्वसनीय गति से आपस में टकराते हैं।

जब ये कण टकराते हैं, तो वे केवल गायब नहीं होते; वे नए, विलक्षण (exotic) कणों की बौछार में फट जाते हैं। इसे ऐसे समझें जैसे दो घड़ियों को आपस में टकराना और देखना कि उनसे कौन से गियर, स्प्रिंग्स और पुर्जे बाहर निकल रहे हैं। वैज्ञानिक उन विशिष्ट, दुर्लभ "गियर्स" को पकड़ने की कोशिश कर रहे हैं जो बाहर निकलते हैं ताकि यह समझ सकें कि ब्रह्मांड कैसे बना है।

इस शोध पत्र में, टीम एक बहुत ही विशिष्ट, दुर्लभ घटना की तलाश कर रही है: एक भारी कण जिसे $\Lambda_c^+$ (लैम्ब्डा-सी-प्लस) कहा जाता है, जो एक न्यूट्रॉन, एक पायोन (pion) और एक एटा (eta) कण में टूट रहा है।

रहस्य: "भूतिया" कण

इस कहानी का मुख्य पात्र $a_0(980)$ नामक एक कण है। भौतिक विज्ञानी दशकों से इस बात पर बहस कर रहे हैं कि वास्तव में यह कण क्या है। क्या यह क्वार्क्स की एक साधारण जोड़ी है (जैसे कि एक मानक लेगो ब्रिक)? क्या यह चार-क्वार्क वाला एक जटिल "टेट्राक्वार्क" है (जैसे कि आपस में चिपका हुआ लेगो स्ट्रक्चर)? या यह कुछ और ही है?

पहले, टीम ने पाया था कि $\Lambda_c^+$ कण कभी-कभी एक लैम्ब्डा कण और एक $a_0(980)$ में बदल जाता है। लेकिन गणित मेल नहीं खा रहा था। जिस दर से यह होता था, वह सिद्धांतों द्वारा अनुमानित दर से बहुत अलग था। यह ऐसा था जैसे किसी जादूगर ने टोपी से एक खरगोश निकाला हो, लेकिन वह खरगोश टोपी से तीन गुना बड़ा था। सिद्धांत में कुछ कमी थी।

इसे हल करने के लिए, टीम ने एक अलग चाल आजमाने का निर्णय लिया। लैम्ब्डा कण को देखने के बजाय, उन्होंने यह देखा कि क्या होता है जब $\Lambda_c^+$ एक न्यूट्रॉन (परमाणु के नाभिक में पाया जाने वाला एक तटस्थ कण) में बदल जाता है। यह एक बहुत कठिन, दुर्लभ चाल है।

चुनौती: घास के ढेर में सुई ढूँढना

समस्या यहाँ है: "घास का ढेर" बहुत बड़ा है। जब वे कणों को टकराते हैं, तो उन्हें अरबों घटनाएं प्राप्त होती हैं। इनमें से अधिकांश उबाऊ बैकग्राउंड शोर (background noise) हैं—ऐसे कण जो उनके वांछित सिग्नल के लगभग समान दिखते हैं, लेकिन वे असली सिग्नल नहीं हैं।

पारंपरिक रूप से, वैज्ञानिक "कट-बेस्ड" (cut-based) विश्लेषण का उपयोग करते हैं। कल्पना कीजिए कि आप मिश्रित कंचों की एक बाल्टी में एक विशिष्ट लाल कंचे को खोजने की कोशिश कर रहे हैं और कहते हैं, "मैं केवल उन कंचों को रखूँगा जो ठीक 2 सेमी चौड़े हैं और जिनका वजन 5 ग्राम है।" यह ठीक-ठाक काम करता है, लेकिन यह अनाड़ी तरीका है। आप एक लाल कंचे को इसलिए फेंक सकते हैं क्योंकि वह थोड़ा दबा हुआ है, या एक नकली कंचे को रख सकते हैं क्योंकि वह सही आकार का है।

इस प्रयोग में, बैकग्राउंड शोर इतना तेज़ था कि पुराने तरीकों से "लाल कंचा" (सिग्नल) पूरी तरह से अदृश्य था। यह एक रॉक कॉन्सर्ट में फुसफुसाहट सुनने की कोशिश करने जैसा था।

समाधान: AI का "सुपर-ब्रेन"

यहीं से यह शोध पत्र रोमांचक हो जाता है। टीम ने पुराने जमाने के नियमों का उपयोग नहीं किया। इसके बजाय, उन्होंने एक डीप लर्निंग सिस्टम बनाया, विशेष रूप से एक ट्रांसफॉर्मर आर्किटेक्चर का उपयोग करके (वही प्रकार की AI तकनीक जो आधुनिक चैटबॉट्स और अनुवाद टूल को शक्ति देती है)।

AI को एक सुपर-डिटेक्टिव के रूप में सोचें जिसे "वास्तविक सिग्नल्स" और "नकली शोर" के लाखों उदाहरणों पर प्रशिक्षित किया गया है।

पुराना तरीका: डिटेक्टिव संदिग्ध की ऊंचाई और वजन को देखता है।
AI तरीका: डिटेक्टिव संदिग्ध के चलने का तरीका, उसके पलक झपकने का ढंग, उसके कपड़ों की बनावट, उसके इत्र की खुशबू और उसके दिल की धड़कन की लय को देखता है। वह एक साथ सब कुछ देखता है।

AI को डेटा के "पॉइंट क्लाउड" (point cloud) को देखने के लिए प्रशिक्षित किया गया था—टकराव से निकलने वाले प्रत्येक कण के कोण, ऊर्जा और पथ। इसने उन सूक्ष्म, छिपे हुए पैटर्न को पहचानना सीखा जिन्हें मानव-निर्मित नियम मिस कर देते।

परिणाम: एक नई खोज

इस AI डिटेक्टिव की बदौलत, टीम शोर को छानने में सफल रही।

खोज: उन्होंने पहली बार $\Lambda_c^+ \to n\pi^+\eta$ के क्षय (decay) को खोजा। वे इतने आश्वस्त थे कि उन्होंने इसे 9.5 सिग्मा की "सांख्यिकीय सार्थकता" (statistical significance) दी। भौतिकी की दुनिया में, 5 सिग्मा खोज का स्वर्ण मानक है; 9.5 सिग्मा का मतलब है घास के ढेर में सुई ढूंढना, फिर उसी जगह पर दूसरे घास के ढेर में वही सुई ढूंढना, और फिर तीसरे में भी। यह निर्विवाद है।
मापन: उन्होंने मापा कि यह पुराने, ज्ञात क्षय की तुलना में कितनी बार होता है। यह पता चला कि यह "न्यूट्रॉन संस्करण" पुराने "लैम्ब्डा संस्करण" की तुलना में लगभग 15% बार होता है।
भूतिया कण की तलाश: उन्होंने यह देखने की भी कोशिश की कि क्या $a_0(980)$ इस प्रक्रिया में "बिचौलिया" था (यानी, क्या $\Lambda_c^+$ एक न्यूट्रॉन और एक $a_0(980)$ में बदला, जो फिर टूट गया?)। उन्हें कोई स्पष्ट सिग्नल नहीं मिला। हालाँकि, उन्होंने एक सख्त "गति सीमा" (upper limit) निर्धारित की कि यह कितनी बार हो सकता है। यह सिद्धांतकारों को यह जानने में मदद करता है कि यदि $a_0(980)$ एक टेट्राक्वार्क है, तो यह बहुत अधिक बार नहीं हो सकता।

यह क्यों मायने रखता है?

यह केवल कणों को गिनने के बारे में नहीं है। यह ब्रह्मांड के नियमों को समझने के बारे में है।

स्टैंडर्ड मॉडल अधूरा है: हम जानते हैं कि कण कैसे परस्पर क्रिया करते हैं, लेकिन इन "विलक्षण" कणों (जैसे $a_0(980)$ ) का व्यवहार भ्रमित करने वाला है।
सिद्धांतों का परीक्षण: इन दुर्लभ क्षयों के होने की सटीक दर को मापकर, वैज्ञानिक यह बता सकते हैं कि $a_0(980)$ के बारे में कौन सा सिद्धांत सही है। क्या यह क्वार्क्स की एक साधारण जोड़ी है? एक जटिल टेट्राक्वार्क? या दो अन्य कणों का एक "अणु" (molecule) जो आपस में चिपके हुए हैं?
AI क्रांति: शायद सबसे महत्वपूर्ण बात वह उपकरण है जिसका उन्होंने उपयोग किया। यह शोध पत्र सिद्ध करता है कि AI केवल एक शब्द (buzzword) नहीं है; यह आधुनिक भौतिकी के लिए एक आवश्यक उपकरण है। यह डेटा में ऐसे पैटर्न देख सकता है जिन्हें मानव मस्तिष्क सरल रूप से नहीं देख सकता, जिससे हम उन चीजों की खोज कर सकते हैं जो पहले अदृश्य थीं।

सार (Bottom Line)

BESIII टीम ने ब्रह्मांडीय शोर के पहाड़ से छानने के लिए एक सुपर-स्मार्ट AI का उपयोग किया और एक दुर्लभ, नए कण क्षय को खोज निकाला। यह खोज हमें यह समझने में मदद करती है कि $a_0(980)$ कण वास्तव में क्या है, जो हमें हमारे ब्रह्मांड के मूलभूत निर्माण खंडों को समझने के एक कदम करीब लाता है। और उन्होंने यह एक कंप्यूटर को "अदृश्य को देखने" के लिए सिखाकर किया।

यहाँ BESIII सहयोग द्वारा लिखित शोध पत्र "Observation of $\Lambda^+_c \to n\pi^+\eta$ and search for $\Lambda^+_c \to n a_0(980)^+$ " का विस्तृत तकनीकी सारांश दिया गया है।

1. समस्या विवरण और प्रेरणा (Problem Statement and Motivation)

यह शोध पत्र दो प्राथमिक भौतिक लक्ष्यों को संबोधित करता है:

$a_0(980)$ मेसॉन की संरचना की जांच: हल्का स्केलर मेसॉन $a_0(980)$ एक रहस्यमय आंतरिक संरचना रखता है, जिसमें प्रतिस्पर्धी परिकल्पनाएं यह सुझाव देती हैं कि यह एक पारंपरिक $q\bar{q}$ अवस्था, एक कॉम्पैक्ट टेट्राक्वार्क, एक आणविक अवस्था (molecular state), या एक गतिक रूप से उत्पन्न रेजोनेंस (dynamically generated resonance) है। पिछले BESIII मापों में $\Lambda^+_c \to \Lambda a_0(980)^+$ के ब्रांचिंग फ्रैक्शन्स (BF) सैद्धांतिक भविष्यवाणियों की तुलना में कई गुना अधिक पाए गए थे, जो विलक्षण उप-संरचनाओं (exotic substructures) की ओर संकेत करते हैं।
$\Lambda^+_c \to n\pi^+\eta$ का प्रथम अवलोकन: हालांकि $\Lambda^+_c \to \Lambda\pi^+\eta$ का पूर्व में अवलोकन किया जा चुका था, लेकिन सिंगली कैरिबियो-सप्रेस्ड (Singly Cabibbo-suppressed - SCS) क्षय $\Lambda^+_c \to n\pi^+\eta$ (जहाँ अंतिम अवस्था $\Lambda$ को न्यूट्रॉन द्वारा प्रतिस्थापित किया गया है) का प्रयोगात्मक रूप से अन्वेषण नहीं किया गया था। यह चैनल सैद्धांतिक मॉडलों (जैसे, SU(3) $_f$ फ्लेवर सिमेट्री, काइरल यूनिटरी अप्रोच) के परीक्षण और मध्यवर्ती $\Lambda^+_c \to n a_0(980)^+$ प्रक्रिया को अलग करने के लिए महत्वपूर्ण है।
बैकग्राउंड की चुनौती: $\Lambda^+_c \to n\pi^+\eta$ सिग्नल विभिन्न मध्यवर्ती अवस्थाओं से जुड़े भारी हैड्रोनिक बैकग्राउंड के नीचे दबा हुआ है। पारंपरिक कट-आधारित विश्लेषण विधियां पर्याप्त सांख्यिकीय सार्थकता के साथ सिग्नल निकालने में विफल रहीं, जिससे उन्नत मशीन लर्निंग तकनीकों की आवश्यकता पड़ी।

2. कार्यप्रणाली (Methodology)

डेटा और सिमुलेशन (Data and Simulation)

डेटासेट: इस विश्लेषण में BEPCII कोलाइडर पर BESIII डिटेक्टर का उपयोग करके $\sqrt{s} = 4.600$ से $4.843$ GeV के बीच केंद्र-द्रव्यमान ऊर्जाओं पर एकत्र किए गए 6.1 fb $^{-1}$ के $e^+e^-$ टकराव डेटा का उपयोग किया गया।
उत्पादन तंत्र: $\Lambda^+_c$ बैरयॉन्स मुख्य रूप से युग्म उत्पादन ( $e^+e^- \to \Lambda^+_c \bar{\Lambda}^-_c$ ) के माध्यम से उत्पादित होते हैं।
मोंटे कार्लो (MC): डिटेक्टर प्रतिक्रिया का अनुमान लगाने, बैकग्राउंड का आकलन करने और डीप लर्निंग मॉडल को प्रशिक्षित करने के लिए व्यापक MC सिमुलेशन (GEANT4, KKMC, EvtGen, और LUNDCHAM का उपयोग करके) का उपयोग किया गया। सिग्नल MC ने $\Lambda^+_c \to n\pi^+\eta$ और $\Sigma^0\pi^+\eta$ के लिए फेज-स्पेस (PHSP) वितरणों को माना, जबकि $\Lambda\pi^+\eta$ के लिए एक पार्टियल वेव एनालिसिस (PWA) मॉडल का उपयोग किया गया।

विश्लेषण रणनीति: डबल-टैग (DT) तकनीक

सिग्नल क्षय की गतिज (kinematics) को नियंत्रित करने के लिए, सहयोग ने एक डबल-टैग विधि का उपयोग किया:

सिंगल टैग (ST): रिकोइल $\bar{\Lambda}^-_c$ बैरयॉन को 11 विशिष्ट हैड्रोनिक क्षय मोड (जैसे, $\bar{p}K^0_S$ , $\bar{p}K^+\pi^-$ , आदि) में से एक में पुनर्गठित (reconstruct) किया गया।
डबल टैग (DT): ST उम्मीदवार के रिकोइल सिस्टम में सिग्नल $\Lambda^+_c \to X\pi^+\eta$ (जहाँ $X = n, \Lambda, \Sigma^0$ ) की खोज की गई।
न्यूट्रॉन पुनर्गठन: न्यूट्रॉन का सीधे पुनर्गठन नहीं किया गया, बल्कि ज्ञात बीम ऊर्जा और पुनर्गठित $\bar{\Lambda}^-_c$ , $\pi^+$ , और $\eta$ के आधार पर मिसिंग मास ( $M_{miss}$ ) गणनाओं के माध्यम से इसे अनुमानित किया गया।

डीप लर्निंग सिग्नल पहचान

उन उच्च बैकग्राउंड स्तरों को दूर करने के लिए जो पारंपरिक $M_{miss}$ वितरणों में सिग्नल को बाधित करते हैं:

आर्किटेक्चर: एक ट्रांसफॉर्मर-आधारित डीप न्यूरल नेटवर्क (DNN) का उपयोग किया गया, जिसे पार्टिकल ट्रांसफॉर्मर (ParT) आर्किटेक्चर से अनुकूलित किया गया है।
इनपुट फीचर्स: मॉडल ने डेटा को एक "पॉइंट क्लाउड" के रूप में प्रोसेस किया, जिसमें सभी चार्ज ट्रैक्स (कोण, संवेग, $dE/dx$, TOF) और फोटॉन शॉवर्स (ऊर्जा, समय, क्रिस्टल काउंट) के लिए लो-लेवल डिटेक्टर जानकारी ली गई।
प्रशिक्षण: DNN को तीन श्रेणियों में घटनाओं को वर्गीकृत करने के लिए प्रशिक्षित किया गया था: सिग्नल ( $\Lambda^+_c \to X\pi^+\eta$ ), $\Lambda^+_c$ बैकग्राउंड, और नॉन- $\Lambda^+_c$ बैकग्राउंड। मजबूती में सुधार के लिए 50 DNNs के एक एन्सेम्बल का उपयोग किया गया।
चयन: घटनाओं को DNN आउटपुट स्कोर के आधार पर चुना गया, जिससे सिग्नल दक्षता बनाए रखते हुए बैकग्राउंड को लगभग ~20 के कारक से कम कर दिया गया।

सिग्नल निष्कर्षण और फिटिंग (Signal Extraction and Fitting)

अनबिनल्ड मैक्सिमम लाइकलीहुड फिट्स: $\eta \to \gamma\gamma$ और $\eta \to \pi^+\pi^-\pi^0$ चैनलों के लिए $M_{miss}$ स्पेक्ट्रा पर एक साथ किए गए।
घटक: फिट में $n\pi^+\eta$ , $\Lambda\pi^+\eta$ , और $\Sigma^0\pi^+\eta$ के सिग्नल घटकों के साथ-साथ बैकग्राउंड घटकों को शामिल किया गया।
ब्रांचिंग फ्रैक्शन गणना: कई व्यवस्थित अनिश्चितताओं (systematic uncertainties) को रद्द करने के लिए उपज (yields) और दक्षता के अनुपात का उपयोग करके सापेक्ष ब्रांचिंग फ्रैक्शन की गणना की गई। पूर्ण BF को $\mathcal{B}(\Lambda^+_c \to \Lambda\pi^+\eta)$ के विश्व औसत का उपयोग करके प्राप्त किया गया।

मध्यवर्ती रेजोनेंस की खोज

$a_0(980)^+$ खोज: सिग्नल घटनाओं के $\pi^+\eta$ इनवेरिएंट मास स्पेक्ट्रम का विश्लेषण मध्यवर्ती प्रक्रिया $\Lambda^+_c \to n a_0(980)^+$ की खोज के लिए किया गया।
फिट मॉडल: सिग्नल PDF ने फ्लैट (Flatté) लाइन शेप ( $a_0(980)^+$ के लिए) और एक नॉन-रेजोनेंट PHSP वितरण के इनकोहेरेंट सुपरपोजिशन को मॉडल किया।
अपर लिमिट: चूंकि कोई महत्वपूर्ण सिग्नल नहीं मिला, इसलिए एक बेयसियन पद्धति का उपयोग करके 90% कॉन्फिडेंस लेवल (CL) पर उत्पाद ब्रांचिंग फ्रैक्शन्स पर ऊपरी सीमा (upper limit) निर्धारित की गई।

3. प्रमुख योगदान (Key Contributions)

प्रथम प्रयोगात्मक अवलोकन: यह $\Lambda^+_c \to n\pi^+\eta$ क्षय का पहला अवलोकन है, जिसकी सांख्यिकीय सार्थकता 9.5 $\sigma$ है।
उन्नत मशीन लर्निंग अनुप्रयोग: यह पेपर एक ट्रांसफॉर्मर-आधारित डीप लर्निंग आर्किटेक्चर के सफल अनुप्रयोग को प्रदर्शित करता है, जो दुर्लभ चार्म बैरयॉन क्षयों को भारी हैड्रोनिक बैकग्राउंड से अलग करने के लिए उपयोग किया गया है। यह एक ऐसी तकनीक है जो पारंपरिक कट-आधारित या BDT विधियों की तुलना में श्रेष्ठ सिद्ध हुई।
परिशुद्धता माप: इस चैनल के लिए सापेक्ष ब्रांचिंग फ्रैक्शन और प्रथम पूर्ण ब्रांचिंग फ्रैक्शन का सटीक माप प्रदान किया।
$a_0(980)$ पर प्रतिबंध: $a_0(980)^+$ के मध्यवर्ती योगदान पर कड़े प्रतिबंध लगाए, जो स्केलर मेसॉन की संरचना के सैद्धांतिक मॉडलों को सीमित करने के लिए नया डेटा प्रदान करते हैं।

4. परिणाम (Results)

ब्रांचिंग फ्रैक्शन्स (Branching Fractions)

सापेक्ष ब्रांचिंग फ्रैक्शन:
$\frac{\mathcal{B}(\Lambda^+_c \to n\pi^+\eta)}{\mathcal{B}(\Lambda^+_c \to \Lambda\pi^+\eta)} = 0.155 \pm 0.031_{\text{stat}} \pm 0.012_{\text{syst}}$
पूर्ण ब्रांचिंग फ्रैक्शन:
$\mathcal{B}(\Lambda^+_c \to \Lambda\pi^+\eta)$ के विश्व औसत का उपयोग करते हुए, पूर्ण BF की गणना इस प्रकार की गई है:
$\mathcal{B}(\Lambda^+_c \to n\pi^+\eta) = (2.94 \pm 0.59_{\text{stat}} \pm 0.23_{\text{syst}} \pm 0.13_{\text{ref}}) \times 10^{-3}$
नोट: यह परिणाम 2 $\sigma$ के भीतर Geng et al. (Ref. [17]) के सैद्धांतिक भविष्यवाणियों के अनुरूप है।

$\Lambda^+_c \to n a_0(980)^+$ की खोज

सिग्नल अवलोकन: $\pi^+\eta$ इनवेरिएंट मास स्पेक्ट्रम में कोई महत्वपूर्ण सिग्नल के लिए $a_0(980)^+$ नहीं देखा गया।
अपर लिमिट: 90% CL ऊपरी सीमा उत्पाद ब्रांचिंग फ्रैक्शन है:
$\mathcal{B}(\Lambda^+_c \to n a_0(980)^+) \times \mathcal{B}(a_0(980)^+ \to \pi^+\eta) < 8.4 \times 10^{-4}$
अनुपात सीमा: कुल तीन-बॉडी क्षय के सापेक्ष अनुपात पर ऊपरी सीमा है:
$\frac{\mathcal{B}(\Lambda^+_c \to n a_0(980)^+) \times \mathcal{B}(a_0(980)^+ \to \pi^+\eta)}{\mathcal{B}(\Lambda^+_c \to n\pi^+\eta)} < 0.27$
यह अनुपात काइरल यूनिटरी अप्रोच (Ref. [18]) के पूर्वानुमान के करीब है, लेकिन कुछ हालिया टोपोलॉजिकल SU(3) भविष्यवाणियों से कम है।

5. महत्व (Significance)

सैद्धांतिक प्रभाव: यह माप चार्म बैरयॉन क्षयों का वर्णन करने वाले QCD-आधारित सैद्धांतिक ढांचों के लिए महत्वपूर्ण प्रयोगात्मक बाधाएं प्रदान करता है। SU(3) फ्लेवर सिमेट्री भविष्यवाणियों (Ref. [17]) के साथ इसकी निरंतरता इन मॉडलों की वैधता का समर्थन करती है, जबकि $a_0(980)$ के मजबूत सिग्नल की कमी स्केलर मेसॉन डायनेमिक्स की समझ को परिष्कृत करने में मदद करती है।
पद्धतिगत प्रगति: इस विश्लेषण में ट्रांसफॉर्मर-आधारित डीप लर्निंग दृष्टिकोण की सफलता उच्च-ऊर्जा भौतिकी डेटा विश्लेषण में एक पैराडाइम शिफ्ट को उजागर करती है। यह प्रदर्शित करता है कि डीप लर्निंग जटिल, उच्च-बैकग्राउंड वातावरण से सिग्नल निकालने में प्रभावी हो सकती है जहाँ पारंपरिक विधियाँ विफल हो जाती हैं, जो भविष्य के BESIII और अन्य कोलाइडर विश्लेषणों के लिए मार्ग प्रशस्त करती है।
भविष्य की संभावनाएं: BESIII में अपेक्षित बड़े डेटा नमूनों के साथ, $a_0(980)$ घटक के प्रति संवेदनशीलता में सुधार होगा, जिससे संभवतः चार्म बैरयॉन क्षयों में स्केलर मेसॉन की भूमिका और इसकी आंतरिक संरचना के निर्णायक निर्धारण की अनुमति मिलेगी।