1921 articoli
La fisica delle alte energie esplora i mattoni fondamentali della natura e le forze che governano l'universo, dalla ricerca del bosone di Higgs alla materia oscura. Questo campo affascinante cerca di rispondere alle domande più profonde sulla realtà, spingendo i confini della nostra comprensione attraverso esperimenti complessi e modelli teorici audaci.
Su Gist.Science, ogni nuovo preprint pubblicato nella sezione Hep-Ph di arXiv viene elaborato per renderlo accessibile a tutti. Forniamo sia un riassunto tecnico dettagliato per gli esperti, sia una spiegazione in linguaggio semplice che rende questi concetti avanzati comprensibili anche ai non addetti ai lavori, senza perdere il rigore scientifico.
Di seguito trovate l'elenco delle ultime pubblicazioni in questo settore, pronte per essere scoperte e comprese attraverso le nostre sintesi.
Il paper dimostra che la formulazione "dressed" degli osservabili relazionali, collegata agli automorfismi esterni nelle algebre di von Neumann, rivela una distinzione fondamentale tra spazi quasi-de Sitter (algebra di Tipo II) e spazi de Sitter (algebra di Tipo II) in base alla preservazione o rottura delle isometrie, anche quando l'effetto di rottura è infinitesimale.
Questo studio esamina le fenomenologie a bassa energia del meccanismo di seesaw di tipo I in un quadro 3+3, rivelando che i neutrini sterili su scala eV producono distorsioni spettrali osservabili ma sono in forte tensione con i limiti attuali sulla violazione del sapore dei leptoni carichi, mentre le configurazioni più pesanti si disaccoppiano dagli esperimenti di oscillazione.
Questo studio analizza la sensibilità dei collider adronici attuali e futuri, in particolare dell'HL-LHC, alla ricerca di particelle simili agli assioni (ALP) nella regione di massa sub-GeV attraverso la produzione associata di bosoni vettoriali, derivando vincoli sui loro accoppiamenti con gluoni, bosoni deboli e fotoni.
Questo studio introduce un'analisi bayesiana globale potenziata da reti neurali convoluzionali per le collisioni di ioni pesanti ad altissima energia, sostituendo le simulazioni idrodinamiche computazionalmente onerose con modelli di apprendimento automatico per vincolare le proprietà della materia QCD e confermare che il congelamento avviene ai limiti di validità dell'idrodinamica.
Questo articolo presenta un quadro generale per la ricerca di nuove particelle debolmente accoppiate emesse durante la de-eccitazione nucleare dopo la cattura neutronica, sfruttando l'analisi di "pettini di linee satelliti" correlate per sopprimere le ambiguità strutturali nucleari e gli artefatti strumentali.
Il lavoro calcola le correzioni non-eikonali alla produzione di dijet nella diffusione profondamente anelastica su un nucleo, fornendo espressioni generali all'ordine e valutando il loro impatto per il futuro Collisore Elettrone-Ione, con la scoperta che le correzioni di primo ordine non-eikonali si annullano nell'approssimazione dell'oscillatore armonico.
Questo articolo presenta un formalismo e tecniche computazionali per calcolare le sezioni d'urto dei processi di scattering QED in campi magnetici forti, implementando i risultati in un pacchetto Python open-source per studiare la dinamica del plasma nelle magnetosfere delle magnetar.
Questo lavoro dimostra la fattibilità di implementare reti neurali tensoriali ispirate alla meccanica quantistica, in particolare operatori a prodotto di matrici spaziati (SMPO) e architetture a cascata, su hardware FPGA per il rilevamento in tempo reale di anomalie negli esperimenti di fisica delle particelle.
Questo lavoro presenta CaloScore v2, un modello di diffusione ottimizzato con distillazione progressiva che genera simulazioni di sciami calorimetrici ad alta fedeltà in un'unica valutazione, superando i limiti computazionali delle tecniche precedenti.
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.