Future of Artificial Intelligence for Science in Japan 2024 Community Report
本白皮书总结了通过 FAIRS Japan 2024 非会议所识别出的科学挑战与 AI/ML 机遇,强调了加速器物理、宇宙学和中微子物理领域中共同的技术主题,如高维重建、快速模拟和异常检测。
2144 篇论文
肝外系统(Hep-Ex)研究聚焦于肝脏之外那些与肝脏功能紧密相连的复杂网络,涵盖从代谢调节到免疫反应的广泛领域。这里探讨的不仅是器官间的相互作用,更是理解全身健康如何受肝脏状态深远影响的关键窗口。
Gist.Science 每日从 arXiv 抓取该领域最新预印本,经过专业处理,为每一篇论文提供通俗易懂的解读与详尽的技术摘要。无论您是寻求直观概念的科学爱好者,还是需要深入细节的研究者,都能在此找到所需内容。
以下是该分类下从 arXiv 精选的最新研究成果。
本白皮书总结了通过 FAIRS Japan 2024 非会议所识别出的科学挑战与 AI/ML 机遇,强调了加速器物理、宇宙学和中微子物理领域中共同的技术主题,如高维重建、快速模拟和异常检测。
本文表明,将来自未来高亮度大型强子对撞机(HL-LHC)探测器层的精密计时信息引入矢量玻色子融合希格斯衰变搜索中,通过将位移顶点转换为四维对象,显著增强了对长寿命粒子的敏感度,从而抑制了瞬发重夸克背景,并将其探测范围扩展至传统仅基于空间信息的搜索失去接受度的区域。
利用来自 13 TeV $pp\Xi_c^0 \to pK^-(4.5\pm0.5\pm0.2\pm0.9)\times10^{-5}0.32\pm0.15\pm0.01$。
本研究系统地比较了用于模拟高能物理碰撞数据回归任务的经典与量子机器学习架构,发现虽然像 CNN 和 LSTM 这样的经典模型目前在性能上略优,但量子对应模型以显著更少的训练参数实现了具有竞争力的准确度,凸显了近期待用量子设备在参数效率方面的独特优势。
这篇社论概述了一项旨在通过评估当前能耗、识别优化机会以及促进跨学科协作以增强可持续性,从而推动高能物理与天体物理领域绿色计算发展的研究计划。
本文评估并比较了用于 HIBEAM 实验中湮灭顶点重建的经典方法与基于图神经网络的方法,发现虽然两种方法在顶点坐标的重建精度上表现相当,但机器学习在提取用于下游分析的事件形状信息方面具有独特的优势。
利用 CMS 检测器在 = 13 TeV 下收集的 138 fb 质子-质子碰撞数据,本研究首次对通过缪子-夸克散射产生的 TeV 能标标量轻夸克进行了搜索,未发现其存在的证据,并设定了新的排除限制,将之前的覆盖范围扩展至 LQ(u) 的 1.5 至 3.6 TeV 以及 LQ(b) 的 1.8 TeV 以上。
本论文展示了利用 ATLAS 实验在大型强子对撞机(LHC)上进行的首次全相空间、高维 Z+喷注微分截面测量,并论证了基于人工智能的展开技术如何能够充分利用复杂数据集来表征基础粒子相互作用。
本文提出了结合 固定阶修正的次次次次领先对数 (NLL) 重求和,用于预测深度非弹性散射中轻子-喷注的方位角分布,为探测核子的三维结构以及分析来自 HERA 和未来电子-离子碰撞实验的数据提供了一个精密框架。
利用 BESIII 探测器收集的大量 事件,本研究首次测量了半轻衰变 的绝对分支比以及轴矢量与矢量耦合比,所得分支比显著低于世界平均值,且尽管仅使用了以往实验 5% 的统计量,其轴向电荷的精度仍与其相当。