NLP threshold corrections to W+jet production
이 논문은 +제트 생성 과정에서 차세대 소프트(next-to-soft) 글루온 복사와 소프트 (안티)쿼크 방출로 인해 발생하는 헬리시티 의존적 차세대 주력 로그(NLP LL) 항을 계산하여, 질량을 가진 무색 최종 상태와 제트가 함께 생성되는 과정에 적용되는 보편적인 NLP 보정 구조를 검증하였습니다.
3277 편의 논문
이 섹션은 입자와 핵물리학의 신비로운 세계를 탐구합니다. 아인슈타인의 상대성 이론부터 우주를 구성하는 미시적 입자의 상호작용까지, 이 분야는 우리 존재의 근원을 이해하려는 인간의 끊임없는 호기심을 담고 있습니다. 복잡한 수식과 추상적인 개념들 뒤에는 자연의 가장 깊은 법칙들이 숨어 있습니다.
Gist.Science 는 arXiv 에 게시되는 모든 최신 프리프린트를 자동으로 수집하여 제공합니다. 전문 용어로 가득 찬 원문을 그대로 두지 않고, 누구나 이해할 수 있는 쉬운 설명과 함께 심층적인 기술적 요약도 함께 정리했습니다. 이를 통해 전문가뿐만 아니라 과학에 관심 있는 일반 독자도 최신 연구 동향을 쉽게 파악할 수 있습니다.
아래에는 입자 및 핵물리학 분야의 최신 논문들이 정리되어 있습니다.
이 논문은 +제트 생성 과정에서 차세대 소프트(next-to-soft) 글루온 복사와 소프트 (안티)쿼크 방출로 인해 발생하는 헬리시티 의존적 차세대 주력 로그(NLP LL) 항을 계산하여, 질량을 가진 무색 최종 상태와 제트가 함께 생성되는 과정에 적용되는 보편적인 NLP 보정 구조를 검증하였습니다.
본 논문은 FSRQ 제트 내 전자 - 양전자 소멸을 통한 및 보손의 공명 생성을 조사하여, 그 결과로 나타나는 확산 중성미자 플럭스는 적색편이 에서 최대치에 도달하지만 현재 검출 한계보다 수 차수 낮으며 전체 천체물리학적 중성미자 배경의 무시할 수 있는 일부에 불과하다는 결론을 내린다.
본 논문은 차원 이론의 비섭동적 동역학을 조사하기 위해 해밀토니안 체계 내에서 운동량 공간 다우베키 웨이블릿 기저를 적용하여, 강한 결합 상전이 현상을 성공적으로 재현하고 운동량 분해능이 증가함에 따라 임계 결합 상수가 체계적으로 수렴함을 입증하였다.
이 논문은 차원의 오일러 불변 다항식으로부터 스토라-주미노(Stora-Zumino) 하강법을 적용하여 차원 유클리드 공형 군 $SO(2n+1, 1)$의 비가환 이상(non-Abelian anomaly)을 분류하고, 이를 통해 타입-A 바일 이상(type-A Weyl anomaly)과의 관계 및 공형 군에 대한 't Hooft 이상 매칭과 딜라톤 유효 작용의 구성을 다룹니다.
콘월-잭위-톰불리스 방법을 사용하여 본 논문은 상호작용을 갖는 스칼라 - 페르미온 이론에서 결합 상수가 특정 임계값을 초과할 때 자발적 대칭 깨짐을 통해 페르미온이 동적 질량을 얻는 반면, 진공이 반전 대칭을 보존하는 결합 상수의 특정 범위 내에서는 질량이 없음을 보여준다.
본 논문은 초대칭 양-밀스 이론에서의 최근 관찰을 일반화하여 오프-쉘 질량 없는 스칼라 3 점 페인만 적분이 푸리에 변환 하에서 자기 이중성을 가짐을 증명함으로써, 이를 그래픽 함수로 표현하고 이론에서 그래픽 함수 및 트위드 관계에 대한 새로운 항등식을 유도한다.
이 논문은 물리 정보 신경망(PINN)을 활용하여 진공 및 물질 환경에서의 2-플라보르 중성미자 진동 방정식을 정밀하게 해결함으로써, 기존 수치 해석법을 대체할 수 있는 머신러닝 기반의 효율적인 접근 방식을 제시합니다.
이 논문은 로런츠 위반 양자장론에서 나타나는 주요 차수의 수정을 바탕으로, 세 입자 상호작용 및 붕괴 과정에 대한 달리츠 플롯(Dalitz plot) 운동학 분석 방법을 개괄합니다.
이 논문은 격자 QCD(lattice-QCD) 기반의 파라미터화를 통해 쿼크의 드레싱(dressing) 효과를 반영한 유효 경량 전면(light-front) 질량 연산자를 구축하고, 이를 활용해 파이온의 구조 함수 및 분포 함수를 계산하는 프레임워크를 제시합니다.
이 논문은 입자와 물질 간의 상호작용 시뮬레이션 속도를 높이기 위해, 물리 법칙(Landau의 straggling function)을 학습 과정에 통합하여 GEANT4와 같은 기존 표준 시뮬레이션의 높은 정확도를 유지하면서도 계산 비용을 획기적으로 줄인 물리 정보 기반 생성적 적대 신경망(PHIN-GAN)을 제안합니다.