2160 件の論文
「Hep-Ex」は、素粒子物理学の最前線にある加速器実験の分野を指します。大型加速器で衝突させた粒子の振る舞いを詳しく調べることで、宇宙の根本的な法則や物質の成り立ちを探求する研究です。
Gist.Science は、arXiv から公開されるこの分野の最新プレプリントをすべて網羅的に処理し、専門知識がなくても読める平易な解説と、技術的な詳細を両方備えた要約を提供しています。
以下に、Hep-Ex 分野の最新論文リストを掲載します。
本論文は、将来のHL-LHC検出器レイヤーからの精密なタイミング情報をベクトル・ボソン融合ヒッグス崩壊探索に組み込むことで、変位頂点を四次元オブジェクトへと変換し、それによってプロンプトな重いフレーバーの背景事象を抑制し、従来の空間情報のみによる探索では受容度が低下する領域への到達範囲を拡大させ、長寿命粒子の感度を大幅に向上させることを実証するものである。
13 TeVの$pp\Xi_c^0 \to pK^-(4.5\pm0.5\pm0.2\pm0.9)\times10^{-5}0.32\pm0.15\pm0.01$と決定した。
本研究は、シミュレーションされた高エネルギー物理学の衝突データに対する回帰において、古典的および量子機械学習アーキテクチャを体系的に比較しており、CNNやLSTMのような古典的モデルが現在はわずかに優れた性能を示す一方で、量子対応モデルは大幅に少ない学習可能パラメータ数で競争力のある精度を達成しており、近未来の量子デバイスにおける顕著なパラメータ効率の優位性を浮き彫りにしている。
この社説は、現在のエネルギー消費量を評価し、最適化の機会を特定し、持続可能性を高めるための学際的な協力を促進することによって、高エネルギー物理学および天体物理学におけるグリーンコンピューティングを推進することを目的とした研究イニシアチブの概要を述べるものである。
本論文は、HIBEAM実験における消滅頂点の再構成に関する古典的な手法とグラフニューラルネットワークに基づく手法を評価および比較し、両アプローチとも頂点座標については同等の精度を達成している一方で、機械学習はダウンストリーム解析のためのイベント形状情報の抽出において独自の利点を提供することを見出した。
CMS検出器によって収集された、 = 13 TeVにおける138 fbの陽子・陽子衝突データを用いて、本研究はミューオン・クォーク散乱を介して生成されるTeVスケールのスカラーレプトクォークに関する初の探索を提示し、それらの存在の証拠は見出されず、LQ(u)については1.5から3.6 TeVの間、LQ(b)については1.8 TeV以上へと従来の範囲を拡張する新たな排除限界を設定した。
本論文は、ATLAS実験を用いたLHCにおけるZ+jets微分断面積の初となる全位相空間高次元測定を提示し、人工知能ベースのアンフォールディング技術がいかにして複雑なデータセットを最大限に活用し、基本的な粒子相互作用を特徴付けられるかを実証するものである。
本論文は、深非弾性散乱におけるレプトン・ジェットの方位角分布を予測するために、次々次々次（NLL）対数再和と固定次数補正を組み合わせた手法を提示するものであり、核子の三次元構造を探索し、HERAおよび将来の電子イオン衝突型実験からのデータを解析するための精密な枠組みを提供するものである。
BESIII検出器によって収集された大量のイベントを用いた本研究は、半レプトン崩壊における絶対分岐比および軸性ベクトル対ベクトルの結合比の初測定を報告しており、それまでの統計量のわずか5%を使用しているにもかかわらず、世界平均よりも有意に低い分岐比と、先行研究に匹敵する精度での軸性電荷を達成している。
本論文は、Belle IIのデータを解析し、質量が約2.1 GeVの軽い不可視共鳴が、崩壊において観測された過剰に対する説得力のある説明を提供し、標準模型のみのシナリオよりもこの新物理仮説を著しく支持していることを実証するものである。