高能物理致力于探索宇宙最基础的构成与运行法则,从微观粒子的相互作用到宏观宇宙的演化,都在其研究范畴之内。这一领域不断挑战人类对物质、能量以及时空本质的认知边界。

在 Gist.Science 上,我们持续追踪来自 arXiv 的最新预印本,确保您能第一时间获取前沿动态。我们的团队对每一份新发布的论文进行深度处理,不仅提供详尽的技术摘要,更会提炼出通俗易懂的通俗解读,帮助不同背景的读者跨越专业门槛。

以下为您呈现该领域最新的精选论文列表,让我们一起探索这些关于宇宙奥秘的最新发现。

⚛️ high-energy experiments

Explainable AI for Jet Tagging: A Comparative Study of GNNExplainer, GNNShap, and GradCAM for Jet Tagging in the Lund Jet Plane

本文评估并比较了为 Lund 喷注平面表示而调整的基于扰动、基于 Shapley 值以及基于梯度的可解释性方法,证明了这些技术成功地将神经网络预测与经典 QCD 可观测量相关联,并揭示了喷注标记中微扰与非微扰区域之间显著的焦点转移。

Pahal D. Patel, Sanmay Ganguly2026-04-29
⚛️ phenomenology

Amplitudes and partial wave unitarity bounds

本文利用旋量-螺旋(spinor-helicity)技术开发了一种新的形式体系,旨在推广部分波幺正性界限(partial wave unitarity bounds)的应用范围,使其能够处理传统方法难以解决的 N→MN \to M 散射过程及高自旋理论,并强调了该界限与正定性(positivity)在约束有效场论参数空间方面的互补威力。

Luigi C. Bresciani, Gabriele Levati, Paride Paradisi2026-04-28
⚛️ phenomenology

Physics-Informed Neural Networks for Solving Two-Flavor Neutrino Oscillations in Vacuum and Matter Environments for Atmospheric and Reactor Neutrinos

本文探讨了利用物理信息神经网络(PINNs)求解真空及物质环境下的双味中微子振荡演化方程,证明了该机器学习方法在处理反应堆和大气中微子问题时具有高精度、无需网格且易于扩展至复杂几何结构的潜力。在“两个不同的世界:反应堆与大气”部分,澄清了关于大气中微子穿过地球的研究假设:本研究仅假设中微子穿越区域的地球核心密度为恒定的 13 gm/cm³,并未考虑具有可变物质密度的完整地球剖面。

Srinivasan T., Kalyani Desikan2026-04-28