🔬 Category

physics.ins-det

465 articoli

La fisica degli rivelatori, o "Ins-Det", è il cuore pulsante che permette agli scienziati di osservare l'universo invisibile. In questa sezione esploriamo i progressi nella creazione e nel perfezionamento degli strumenti che catturano le particelle fondamentali, dai grandi acceleratori di particelle agli osservatori cosmici, rendendo tangibili i fenomeni più elusivi della natura.

Ogni articolo presente qui proviene direttamente da arXiv, la piattaforma globale dove i ricercatori condividono le loro scoperte prima della pubblicazione ufficiale. Il team di Gist.Science esamina sistematicamente ogni nuovo preprint in questa categoria, trasformando testi complessi in riassunti tecnici dettagliati e spiegazioni in linguaggio semplice, così che chiunque possa comprendere le innovazioni che stanno rivoluzionando la nostra capacità di misurare la realtà.

Di seguito trovate l'elenco aggiornato degli ultimi articoli pubblicati in questo affascinante settore, pronti per essere letti e compresi.

Numerical modeling of SNSPD absorption utilizing optical conductivity with quantum corrections

Questo studio presenta un modello numerico dell'assorbimento ottico dei rivelatori a singolo fotone a nanofilo superconduttore (SNSPD) che, integrando correzioni quantistiche nel modello di Drude-Lorentz per i film di nitruro di niobio, dimostra come la conduttività ottica del materiale, e non solo la geometria della cavità, giochi un ruolo fondamentale nel determinare la risposta spettrale del dispositivo.

Martin Baránek, Pavol Neilinger, Samuel Kern, Miroslav Grajcar2026-03-25🔬 cond-mat

KATRIN Sensitivity to keV Sterile Neutrinos with the TRISTAN Detector Upgrade

Questo studio presenta le sensibilità previste dell'esperimento KATRIN, potenziato dal rivelatore TRISTAN, alla ricerca di neutrini sterili di massa keV, dimostrando che con quattro mesi di dati è possibile sondare ampiezze di mixing fino a ∣Ue4∣2∼10−6|U_{e4}|^2 \sim 10^{-6}, sebbene le incertezze sistematiche possano ridurre tale sensibilità di un fattore 10-50.

H. Acharya, M. Aker, D. Batzler, A. Beglarian, J. Beisenkötter, M. Biassoni, B. Bieringer, Y. Biondi, B. Bornschein, L. Bornschein, M. Carminati, A. Chatrabhuti, S. Chilingaryan, B. A. Daniel, M. Desc (…)2026-03-25⚛️ nucl-ex

Extension of interferometric particle imaging to small ice-crystal sizes using the Discrete Dipole Approximation

Questo studio estende la tecnica dell'Imaging Interferometrico delle Particelle (IPI) alla caratterizzazione di cristalli di ghiaccio atmosferici di dimensioni ridotte (fino a pochi micrometri), validando il principio di misura attraverso simulazioni basate sull'Approssimazione dei Dadi Discreti (DDA) e la Modellazione del Campo di Fase.

Marc Brunel, Gilles Demange, Renaud Patte, Maxim Yurkin2026-03-24🔬 physics.optics

Design and characterization of the POKERINO prototype for the POKER/NA64 experiment at CERN

Questo lavoro presenta i risultati della campagna di caratterizzazione sperimentale del prototipo POKERINO, un calorimetro elettromagnetico omogeneo basato su cristalli PbWO₄ e SiPM, dimostrando che le sue prestazioni soddisfano i requisiti di risoluzione energetica necessari per l'esperimento NA64 al CERN nella ricerca di materia oscura leggera.

Andrei Antonov, Pietro Bisio, Mariangela Bondì, Andrea Celentano, Anna Marini, Luca Marsicano2026-03-24⚛️ hep-ex

Non-Destructive Beam Monitoring via Secondary Radiation Detection with Ce-Doped Silica Fibers

Questo studio presenta un monitor di fascio non distruttivo basato su fibre scintillanti al silicio drogate con cerio, che rileva radiazioni secondarie generate lungo la linea di trasferimento di un ciclotrone medico da 18 MeV, dimostrando la capacità di monitorare l'intensità del fascio e le perdite di posizione in modo lineare e monotono senza degradare la qualità del fascio.

Alexander Gottstein, Pierluigi Casolaro, Gaia Dellepiane, Lars Eggimann, Eva Kasanda, Isidre Mateu, Samuel Usherovich, Paola Scampoli, Cornelia Hoehr, Saverio Braccini2026-03-24🔬 physics

Trigger Optimization and Event Classification for Dark Matter Searches in the CYGNO Experiment Using Machine Learning

Il documento presenta due approcci basati sul machine learning per l'ottimizzazione del trigger e la classificazione degli eventi nell'esperimento CYGNO: un metodo non supervisionato per la riduzione dei dati online che identifica anomalie tramite autoencoder e un'applicazione debolmente supervisionata del framework CWoLa per distinguere le topologie di rinculo nucleare, entrambi validati su dati reali con elevate prestazioni di efficienza e riduzione del volume dati.

F. D. Amaro, R. Antonietti, E. Baracchini, L. Benussi, C. Capoccia, M. Caponero, L. G. M. de Carvalho, G. Cavoto, I. A. Costa, A. Croce, M. D'Astolfo, G. D'Imperio, G. Dho, E. Di Marco, J. M. F. dos S (…)2026-03-24🔬 physics