2503 articoli
Questa sezione è dedicata all'interazione tra il fegato e l'intestino, un dialogo biologico fondamentale che influenza la digestione, l'immunità e persino la salute mentale. Qui esploriamo come questi due organi comunicano costantemente, scambiando sostanze e segnali che possono proteggere o danneggiare il nostro organismo, rendendo comprensibile una rete complessa senza bisogno di termini specialistici.
Ogni articolo presentato proviene direttamente da arXiv, dove Gist.Science analizza sistematicamente ogni nuovo preprint pubblicato in questo settore. Per ogni studio, offriamo una spiegazione semplice accessibile a tutti, affiancata da un'analisi tecnica dettagliata per chi desidera approfondire i dati specifici e le metodologie di ricerca.
Di seguito trovate le ultime pubblicazioni in questa categoria, con le nostre sintesi pronte per guidarvi alla scoperta delle nuove frontiere della ricerca epato-intestinale.
Questo articolo presenta il primo calcolo teorico che dimostra come un interferometro di Sagnac asimmetrico rispetto al materiale possa migliorare la sensibilità limitata dal rumore quantistico alla materia oscura vettoriale di quasi due ordini di grandezza rispetto a un interferometro Michelson Fabry–Perot alle basse masse, principalmente riducendo la retroazione quantistica a bassa frequenza.
Utilizzando 207 fb di dati di collisioni protone-protone a 13 e 13,6 TeV, la collaborazione CMS ha eseguito una ricerca della composizione del bosone di Higgs in stati finali dileptonici ad alta massa, stabilendo vincoli stringenti sui parametri obliqui e e fissando nuovi limiti sugli scenari di composizione su scala TeV che coinvolgono risonanze larghe.
Questo articolo presenta Alkaid, un compilatore open-source specifico per il dominio che traduce kernel di dataflow con latenza sub-microsecondaria in codice RTL o HLS pronto per l'hardware, utilizzando una rappresentazione intermedia specializzata e un modello di performance analitico per ottenere riduzioni significative della latenza e dell'uso delle risorse rispetto ai flussi esistenti.
Questo articolo presenta un framework basato sull'apprendimento automatico per l'identificazione di quark top altamente boostati e con decadimento leptonico al 100 TeV della FCC-hh, dimostrando che sia i tagger basati su variabili che quelli basati su costituenti raggiungono prestazioni comparabili e consentendo una ricerca di quark vettoriali con una portata di scoperta fino a 10 TeV.
Questo articolo presenta la prima analisi di unfolding bayesiana basata sui dati della produzione di adroni beauty a vuoto in collisioni p-Pb a 5,02 e 8,16 TeV, fornendo fattori di modifica nucleare a rapidità completa e precisi che rivelano una soppressione della materia nucleare fredda più debole rispetto al charm e offrono vincoli critici per le funzioni di distribuzione partoniche nucleari.
Il documento sostiene che gli eccessi osservati all'LHC a 650 GeV e 95 GeV forniscano prove di una sequenza di gravitoni di Kaluza-Klein di Randall-Sundrum precedentemente ritenuta troppo pesante per la rilevazione, suggerendo che la rianalisi dei dati con criteri di selezione appropriati per queste risonanze nei canali ZZ, WW e coppie di Higgs potrebbe portare a una scoperta significativa.
Questo articolo descrive l'apparato dell'esperimento BMV e riporta un limite superiore migliorato sulla costante di birifrangenza magnetica lineare del vuoto di a un livello di confidenza del 68%, ottenuto utilizzando bobine a foglio pulsate appositamente progettate.
Questo articolo presenta un prototipo di rete neurale a grafi basato sul deep learning per il rivelatore FCC-ee IDEA che ricostruisce con successo alberi di decadimento gerarchici di adroni dai dati delle particelle cariche, raggiungendo una precisione superiore al 90% nell'identificare i corretti set di particelle attraverso varie catene di decadimento.
Questo articolo introduce SysVar, una libreria Python open-source e agnostica rispetto all'esperimento che semplifica il trattamento scalabile e coerente delle incertezze sistematiche nelle analisi basate su template, automatizzando la propagazione dei pesi di correzione e preservando le correlazioni attraverso variazioni proprie ortogonali.
Questo articolo presenta uno studio di prova di concetto che dimostra come la Neural Ratio Estimation (NRE) possa inferire efficacemente i parametri WIMP in esperimenti di rilevamento diretto come XENONnT attraverso la marginalizzazione implicita delle incertezze astrofisiche tramite l'addestramento multi-modello, offrendo un'alternativa scalabile e robusta ai tradizionali metodi di profilo di verosimiglianza.