5257 papers
Deze collectie duikt in de fascinerende wereld van deeltjesfysica, waar wetenschappers de kleinste bouwstenen van ons universum bestuderen. Van de mysterieuze krachten die subatomaire deeltjes bij elkaar houden tot de zoektocht naar nieuwe theorieën die de natuurkunde van morgen kunnen vormgeven, hier vind je de nieuwste inzichten die de grenzen van onze kennis verleggen.
Bij Gist.Science halen we elk nieuw preprint op dit gebied direct vanuit arXiv en maken het toegankelijk voor iedereen. We verwerken deze onderzoeken niet alleen in gedetailleerde technische samenvattingen voor experts, maar bieden ook heldere, begrijpelijke uitleg zonder jargon. Zo blijft de wetenschap binnen bereik van elke nieuwsgierige geest, ongeacht je achtergrond.
Hieronder vind je de meest recente papers in deze categorie, zorgvuldig samengevat voor jou.
Dit artikel onderzoekt de nabij-drempelverstrooiing en de gebonden-toestandstructuur van het proton-Omega ()-systeem met behulp van meson- en Pomeron-uitwisselingsmodellen, waarbij wordt vastgesteld dat het opnemen van Pomeron-uitwisseling de overeenstemming met experimentele gegevens voor de -kanaal verbetert en een zwakke quasi-gebonden toestand in de -kanaal voorspelt.
Dit artikel betwist de conclusies van Aoki, Fukaya en Taniguchi met betrekking tot het verdwijnen van de Dirac-spectrale dichtheid en de topologische susceptibiliteit in de chirale symmetrische fase, waarbij wordt geargumenteerd dat een cruciale stap in hun bewijs onrechtvaardig is en hun resultaten een herbeoordeling vereisen.
Dit artikel berekent inclusieve -meson vervalssnelheden binnen het Mesogenesis-raamwerk met behulp van de Heavy Quark Expansion, waarbij wordt onthuld dat subieidere, door de macht onderdrukte bijdragen in specifieke parametergebieden de leidende term kunnen overtreffen, waardoor de grenzen van de geldigheid van de expansie worden blootgelegd terwijl exclusieve vervalgrenzen worden bijgewerkt en er geen nieuwe beperkingen uit levensduurratio's worden gevonden.
Dit artikel evalueert de nauwkeurigheid van de quark-diquark-benadering voor baryonen door deze te vergelijken met een drielichamenmodel dat dezelfde semi-relativistische interactie gebruikt, waarbij een verbeterde potentiaalprocedure wordt geïntroduceerd en wordt aangetoond dat een compacte diquark niet strikt noodzakelijk is om nauwkeurige baryonenmassa's te bereiken.
Dit artikel introduceert Profile OmniFold, een uitbreiding van het op machine learning gebaseerde OmniFold-algoritme die nuisance-parameters incorporeert om onzekerheden in detector-simulaties te hanteren, gedemonstreerd door zowel Gaussische voorbeelden als een CMS-experiment casestudy.
Dit artikel leidt nieuwe beperkingen af voor scalaire-tensor zwaartekrachttheorieën door te analyseren hoe ruimtelijke variaties in het achtergrondscalaire veld de neutrino-massa's, smaakoscillaties en supernova-tijdvertragingen beïnvloeden, om deze grenzen uiteindelijk in kaart te brengen op populaire screeningmechanismen zoals Symmetron- en Chameleon-modellen.
Dit artikel stelt voor dat de kleinheid van de Higgs-massa een natuurlijk gevolg is van machtswet-renormalisatiegroepsevolutie, waarbij een randvoorwaarde van orde één op de unificatieschaal exponentieel wordt onderdrukt naar de elektrozwakke schaal door de top-quark Yukawa-koppeling, waardoor het hiërarchieprobleem wordt opgelost zonder dat beschermende symmetrieën of fijnafstemming vereist zijn.
Dit artikel beoordeelt de concepten van interpreteerbaarheid en verklaarbaarheid in machine learning voor de natuurkunde, waarbij deze worden gedefinieerd als respectievelijk structurele transparantie en wetenschappelijke inhoud, terwijl wordt betoogd dat zij bewuste modelleringskeuzes zijn die onderhevig zijn aan afwegingen in plaats van inherente eigenschappen van de modellen zelf.
Dit artikel introduceert een lokale infraroodaftrekmethode voor QCD-berekeningen van de volgende orde (next-to-next-to-leading order) in kleur-singlet verval, waarbij scalaire radiatoren en zuivere splittingsfuncties worden gebruikt om overlappende singulariteiten te behandelen en de eindigheid en numerieke convergentie van de dubbel-reële restant voor processen wordt aangetoond.
Dit artikel introduceert een op Proximal Policy Optimization (PPO) gebaseerd reinforcement learning-framework dat efficiënt de zoektocht naar detecteerbare zwaartekrachtgolfsignalen uit onderkoelde faseovergangen in een minimale donkere -sector versnelt, waarbij het conventionele Monte Carlo-scans overtreft door effectief door hoogdimensionale parameterruimten te navigeren om levensvatbare benchmarkpunten te identificeren.