Proton Structure from Neural Simulation-Based Inference at the LHC
이 논문은 LHC 에서의 미분된 고차원 데이터를 활용한 신경망 기반 시뮬레이션 추론 (NSBI) 을 통해 기존 이산화된 데이터 분석보다 정밀도가 향상된 양성자 글루온 부분자 분포 함수 (PDF) 를 최초로 도출하는 개념 증명 연구를 제시합니다.
1467 편의 논문
간단하게 말해 헵-엑스(Hep-Ex)는 우주의 가장 작은 입자들이 어떻게 상호작용하고, 어떤 힘으로 묶여 있는지 탐구하는 실험 물리학의 영역입니다. 거대한 가속기에서 발생한 데이터를 분석하며 표준 모형을 넘어서는 새로운 물리 법칙을 찾아내는 과정은 마치 우주라는 거대한 퍼즐의 조각을 맞추는 것과 같습니다.
기스트 사이언스(Gist.Science)는 이 분야의 최신 연구 동향을 빠르게 파악하실 수 있도록 arXiv에 게시되는 모든 새 논문들을 실시간으로 수집합니다. 복잡한 수식과 전문 용어로 가득 찬 원문을 바탕으로, 누구나 쉽게 이해할 수 있는 일반인용 요약과 연구 전문가를 위한 상세 기술적 분석을 동시에 제공합니다.
아래에는 헵-엑스 분야의 최신 논문들이 정리되어 있습니다.
이 논문은 LHC 에서의 미분된 고차원 데이터를 활용한 신경망 기반 시뮬레이션 추론 (NSBI) 을 통해 기존 이산화된 데이터 분석보다 정밀도가 향상된 양성자 글루온 부분자 분포 함수 (PDF) 를 최초로 도출하는 개념 증명 연구를 제시합니다.
이 논문은 초전도 큐비트 칩에서 입자 충돌로 인한 준입자 역학을 정량적으로 분석하여 다중 큐비트의 상관 이완 사건을 통해 기판에 가해진 에너지를 국소화하는 통계적 방법을 제시함으로써, 임의의 초전도 트랜스몬 큐비트 서브셋을 에너지 분해능을 가진 입자 검출기로 활용할 수 있는 기반을 마련했습니다.
이 논문은 CERN 에서 제안된 실험 설정을 기반으로 몬테카를로 시뮬레이션을 수행하여, 양성자 - 원자핵 충돌에서 생성된 반양성자의 횡방향 편극을 탄성 산란의 좌우 비대칭성을 통해 측정하는 실험적 타당성을 평가합니다.
이 논문은 4 점 함수 접근법을 사용하여 격자 QCD 계산으로 전하를 띤 카온의 전기적 편극률과 전하 반지름을 구하고, 이를 물리적 파이온 질량으로 외삽하여 그 결과를 보고합니다.
이 논문은 CMS 검출기에서 하나의 병합된 에너지 군집을 생성하는 고에너지 로런츠 부스트 () 디전자 쌍을 식별하기 위해 다변량 모델을 개발하고, 13 TeV 양성자 - 양성자 충돌 데이터를 활용하여 그 효율성과 에너지 보정 기법을 제시했습니다.
이 논문은 13 TeV 및 13.6 TeV 충돌 데이터를 기반으로 2 렙톤 최종 상태를 가진 4 개의 탑 쿼크 생성 사건에서 BSM 공명 입자를 탐색한 결과, 유의미한 초과가 관측되지 않았으며 Z', 스칼라, 의사스칼라 및 ALP 매개체에 대한 배제 한계를 설정했다고 요약할 수 있습니다.
이 논문은 표준 모형 쿼크와 직접적인 탑 쿼크 맛깔 변화 상호작용을 통해 결합하는 세 가지 새로운 물리 공명 상태를 조사하고, 전약 스케일의 가능한 SMEFT 연산자를 식별하여 그 현상론을 분석합니다.
이 논문은 인공지능 기반의 함수 형태 탐색과 기계 학습 에뮬레이터를 활용한 베이지안 추론 프레임워크를 구축하여, N³LO/N⁴LL 정밀도의 페르미온 QCD 계산과 결합한 Drell-Yan 데이터를 통해 쿼크의 편광되지 않은 횡방향 운동량 의존 부분자 분포 함수 (TMD PDFs) 를 정량적 불확실성과 함께 추출했습니다.
ATLAS 실험은 2023 년 LHC 에서 수집한 79 b의 Pb+Pb 초단거리 충돌 데이터를 분석하여 5.36 TeV 에서의 일관된 배타적 생성을 측정하고, 이를 이론 예측 및 이전 Run-2 결과와 비교하여 중심 급속도 영역에서 이전 결과와 긴장 관계가 있음을 밝혔습니다.
이 논문은 맛깔 모델에서 부분군에 기인한 새로운 보손 (유사-남부-골드스톤 보손 또는 게이지 보손) 의 현상론을 연구하여, 이러한 입자들이 표준 모형 페르미온과 비제거된 맛깔 위반 결합을 가지며, 및 와 같은 저에너지 맛깔 실험을 통해 천체물리학적 관측을 능가하는 초고 에너지 척도 ( GeV) 까지 검증 가능함을 보여줍니다.