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.

Assessing (H)EFT theory errors by pitting EoM against Field Redefinitions

Questo articolo propone un metodo generalizzato per stimare gli errori teorici nelle teorie di campo effettive, utilizzando l'invarianza fisica sotto ridefinizioni dei campi come validazione dei criteri di conteggio delle potenze, e lo applica come caso di studio all'Effective Field Theory di Higgs per confrontare le proprietà universali con le sensibilità dipendenti dal processo.

Rodrigo Alonso, Christoph Englert, Wrishik Naskar, Shakeel Ur Rahaman2026-03-30⚛️ hep-ex

Benchmarking neutrino-nucleus quasielastic scattering model predictions against a missing energy profile obtained using a monoenergetic neutrino beam

Questo studio confronta le previsioni di tre modelli di shell nucleare implementati nel generatore di eventi NEUT con i recenti dati sperimentali di JSNS² su un fascio di neutrini monoenergetico, dimostrando che i modelli di funzione spettrale descrivono meglio la distribuzione dell'energia mancante e che tutti i modelli nucleari considerati sono statisticamente accettati quando si tiene conto della soglia di energia per l'espulsione di singoli nucleoni.

Jake McKean, Laura Munteanu, Seisho Abe2026-03-30⚛️ nucl-th

Vision Transformers and Graph Neural Networks for Charged Particle Tracking in the ATLAS Muon Spectrometer

Questo articolo presenta due approcci basati sull'apprendimento automatico per migliorare il tracciamento delle particelle cariche nello spettrometro a muoni di ATLAS: l'integrazione di reti neurali grafiche per il rifiuto dei segnali di fondo, che riduce i tempi di ricostruzione del 15%, e un prototipo di tracciamento end-to-end basato su Vision Transformer in grado di raggiungere un'efficienza del 98% in soli 2,3 ms.

Jonathan Renusch (on behalf of the ATLAS Collaboration)2026-03-30⚛️ hep-ex

Improving Generative Model-based Unfolding with Schrödinger Bridges

Il paper propone SBUnfold, un nuovo approccio di unfolding che combina i punti di forza dei modelli discriminativi e generativi utilizzando i ponti di Schrödinger e i modelli di diffusione per mappare direttamente gli eventi senza dipendere da una densità di probabilità nota, ottenendo prestazioni eccellenti su un dataset sintetico Z+jets.

Sascha Diefenbacher, Guan-Horng Liu, Vinicius Mikuni, Benjamin Nachman, Weili Nie2026-03-27⚛️ hep-ex