AI Agents, Language, Deep Learning and the Next Revolution in Science
本論文は、データ生成と理解の間の格差に対処するため、大規模言語モデルや深層学習に基づく人間監督型の AI エージェントが科学的方法の次の進化となり、特に素粒子物理学における「Dr. Sai」システムを通じて、複雑化する科学の発見を拡張する新たなパラダイムを提唱しています。
889 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、データ生成と理解の間の格差に対処するため、大規模言語モデルや深層学習に基づく人間監督型の AI エージェントが科学的方法の次の進化となり、特に素粒子物理学における「Dr. Sai」システムを通じて、複雑化する科学の発見を拡張する新たなパラダイムを提唱しています。
この論文は、物理情報に基づくニューラルネットワーク(PINN)を用いて事前の仮定なしに普遍的な小双極子散乱振幅を抽出し、従来のパラメトリックな仮定に基づく手法で見られた総断面積とチャーム断面積の間の長年の不一致を解消するとともに、コリニア改善されたバルツィツキー・コヴチェゴフ方程式と深非弾性散乱データを同時に制約することで、カラーガラス凝縮体の現象論に堅牢な入力を提供する手法を提案しています。
この論文は、暗黒物質探索向けに設計された NbSn 超電導マイクロ波空洞において、空洞の 2 分割を機械的に分離する「開口によるチューニング」手法により、品質因子を劣化させずに 1GHz を超える広範囲の周波数連続チューニングを実現し、軸子ハロスコープ実験への適用可能性を実証したことを報告しています。
ATLAS 検出器を用いた 13 TeV の陽子 - 陽子衝突データ(137 fb⁻¹)に基づき、消滅する軌道を持つ最終状態を用いた長寿命チャージノおよびτスレプトンの探索が行われ、統計的に有意な過剰は観測されず、特定の寿命範囲においてこれらの粒子の質量に対する上限が設定された。
ATLAS 検出器を用いた 13 TeV の陽子 - 陽子衝突データ(140 fb)に基づき、4 つのタウ粒子に崩壊するヒッグス粒子の対生成された擬スカラー粒子への崩壊()を探索した結果、標準模型の背景事象を超える有意な過剰は見出されず、擬スカラー粒子の質量に応じてヒッグス粒子のこの崩壊分岐比に対して 95% 信頼水準で 0.06 から 0.23 の上限値が設定されました。
この論文は、高エネルギー物理学実験のトリガー設計を、データ符号化から較正までの全段階を単一の微分可能システムとして統合的に最適化する制約付きエンドツーエンド最適化問題として定式化し、ATLAS 実験の設計に触発されたハードウェア・マルチジェット・トリガーにおけるハiggs ボソン対生成のベンチマークで、固定偽陽性率に対し真陽性率を 2〜4 倍向上させることを実証しています。
この論文は、電弱・QCD・QED の放射補正および pion 質量分裂の効果を体系的に考慮することで、格子 QCD による物理的な核子軸結合定数 の値を再評価し、その補正後の値を提示しています。
LHCb 実験のデータを用いて、 崩壊の分岐比を改善測定し、 崩壊を初めて観測しました。
本論文は、高輝度 LHC 実験における荷電粒子の軌道追跡という課題に対し、古典的ニューラルネットワークとパラメータ化量子回路を交互に配置したハイブリッド型量子グラフニューラルネットワーク(QGNN)を改良・評価し、従来の設計に対する収束性の向上を実証したものである。
この論文は、量子センサーを用いて標準模型を超える超軽量ボソン場の検出を可能にすることで、重力波や光子などの他のシグナルと相関させる新たなマルチメッセンジャー天文学の道を開くことを示しています。