Hep-Ex staat voor experimentele hoogenergetische fysica, een fascinerend vakgebied dat zich richt op het bestuderen van de kleinste bouwstenen van het universum door middel van enorme deeltjesversnellers. In deze categorie duiken we in onderzoek dat de fundamentele krachten en deeltjes onderzoekt die onze werkelijkheid vormen, vaak met behulp van gegevens uit de grootste experimenten ter wereld.

Op Gist.Science verzamelen we de nieuwste voorpublicaties van arXiv binnen dit domein en maken ze toegankelijk voor een breder publiek. Voor elk nieuw artikel uit deze lijst verwerken we de complexe inhoud tot zowel een begrijpelijke samenvatting in gewone taal als een gedetailleerde technische uitleg, zodat iedereen de betekenis van deze doorbraak kan volgen.

Hieronder vindt u de meest recente artikelen uit het veld van experimentele hoogenergetische fysica, klaar om te ontdekken.

Measurements of the electron neutrino-argon differential cross section without pions in the final state in MicroBooNE

MicroBooNE presenteert een nieuwe meting van het differentieel cross-section voor elektron-neutrino-argon-interacties zonder pionen in de eindtoestand, waarbij de volledige dataset wordt gebruikt om de overeenkomst met generatorvoorspellingen te evalueren en discrepanties in de modellering van het hadronische systeem aan te tonen.

MicroBooNE collaboration, P. Abratenko, D. Andrade Aldana, L. Arellano, J. Asaadi, A. Ashkenazi, S. Balasubramanian, B. Baller, A. Barnard, G. Barr, D. Barrow, J. Barrow, V. Basque, J. Bateman, B. Beh (…)2026-03-17⚛️ hep-ex

Projected Sensitivity of Paleo-Detectors to Dark Matter Effective Interactions with Nuclei

Dit artikel projecteert dat paleo-detectoren, die donkere materie detecteren via sporen in natuurlijke mineralen over geologische tijdschalen, voor WIMP-massa's van 1 GeV tot 10 GeV superieure gevoeligheid bieden dan conventionele experimenten voor alle NREFT-operatoren, en voor massa's tot 5 TeV vergelijkbare of betere resultaten behalen afhankelijk van de specifieke interactie en lees-scenario.

Dionysios P. Theodosopoulos, Katherine Freese, Chris Kelso, Patrick Stengel2026-03-17⚛️ hep-ex

AMD Versal AI-Engines for fixed latency environments

Dit paper presenteert een technische studie die de haalbaarheid aantoont van het inzetten van AMD Xilinx Versal AI-Engines voor machine learning-toepassingen in omgevingen met vaste latentie, zoals die in deeltjesfysica-experimenten, door de prestaties van een vectorisatie-implementatie van een Boosted Decision Tree en een Convolutional Neural Network te evalueren.

Ioannis Xiotidis, Noah Clarke Hall, Tianjia Du, Nikos Konstantinidis, David Miller2026-03-17⚛️ hep-ex

Shapes are not enough: CONSERVAttack and its use for finding vulnerabilities and uncertainties in machine learning applications

Dit paper introduceert de CONSERVAttack, een nieuwe adversariële aanval die kwetsbaarheden in machine learning-modellen voor de deeltjesfysica blootlegt door systematische onzekerheden te benutten die door standaardvalidatie worden gemist, en stelt strategieën voor om deze kwetsbaarheden te mitigeren.

Philip Bechtle, Lucie Flek, Philipp Alexander Jung, Akbar Karimi, Timo Saala, Alexander Schmidt, Matthias Schott, Philipp Soldin, Christopher Wiebusch, Ulrich Willemsen2026-03-17⚛️ hep-ex