⚛️ nuclear theory
Heavy quark coalescence probability in the presence of a potential
本研究基于组成夸克模型开发了一种唯象重夸克势，旨在证明只要夸克-胶子等离子体中的介质诱导修正足够温和，重夸克并合概率在低动量下仍保持接近于一。
⚛️ Category
nucl-th
1429 篇论文
核天体物理学探索着宇宙中最极端的环境，从恒星核心的核聚变到超新星爆发时的元素合成，揭示物质在巨大能量下的行为规律。这一领域连接了微观的原子核物理与宏大的宇宙演化，帮助我们理解星辰如何诞生、死亡以及构成我们身体的元素从何而来。
Gist.Science 持续追踪 arXiv 上发布的每一篇核天体物理学预印本，通过专业团队将其转化为通俗易懂的科普解读与详尽的技术摘要，让前沿科学成果触手可及。无论您是专业研究者还是科学爱好者，都能在这里快速把握最新进展。以下是该领域最新的预印论文精选。
⚛️ nuclear theory
Halo structure of He from two-nucleon spatial correlations
本研究通过利用从头算无芯壳模型计算，通过证明两核子空间相关性揭示了价中子占主导地位的自旋单态构型，以及相对于 核的偏心效应主要解释了该原子核点质子半径增加这一现象，从而表征了 He 的晕结构。
⚛️ phenomenology
Anomaly Realization in Charge-Flux Detector Correlators
本文证明了量子反常通过一种奇异的定域化机制在电荷-通量探测器相关函数中显现，即无质量极限将角分布塌缩至束流共线方向，从而保持了轴向电荷、高自旋螺旋度（zilch）以及混合轴向-引力通量的有限能量加权求和规则。
⚛️ nuclear theory
The Generalization Gap in Machine Learning EoS Inference from Core-Collapse Supernova Gravitational Waves
本文表明，尽管机器学习模型能够成功地从训练目录中的核心坍缩超新星引力波中插值得到状态方程参数，但由于存在显著的泛化差距，它们无法泛化到未见的态方程族，这凸显了对留一族验证（leave-family-out validation）和物理感知推理框架的迫切需求。
⚛️ high-energy experiments
Collins effect in pion-in-jet production in polarized $pp$ and $ep$ collisions
本文采用一种混合横动量依赖方法，通过成功描述 STAR 质子-质子碰撞数据来证实 Collins 函数的普适性，并随后为电子-离子对撞机运动学提供了领先阶预测，证明了准实光子交换效应虽然显著，但并不会阻碍在轻子-质子碰撞中清晰提取横向偏振分布及其海夸克组分。
⚛️ nuclear theory
Machine learning the impact parameter in heavy-ion collisions at = 4 and 11 GeV: a cross-check study with UrQMD, AMPT, and JAM
本研究表明，机器学习算法（特别是基于输运模型数据 [UrQMD、AMPT 和 JAM] 进行训练的有监督和无监督方法）能够稳健地重建 4 GeV 和 11 GeV 下 Au+Au 碰撞中的冲击参数，且其准确度高、泛化能力优于传统的多项式拟合，这表明其在应用于真实实验数据方面具有巨大的潜力。
⚛️ high-energy experiments
Double quarkonium production in hadronic collisions at fixed-target experiments
本文利用结合了颜色单态模型（Color-Singlet Model）的横动量依赖因子化方法，为当前及未来 CERN 和 LHC 设施中的双夸克偶素在非极化和极化强子碰撞中的角结构、截面以及横向单自旋不对称性，提出了新的解析表达式与预测。
⚛️ nuclear experiments
Fierz-complete four-quark interactions and the QCD phase diagram
本研究利用泛函重整化群方法证明，虽然标量-伪标量四夸克通道在真空中占据主导地位，但其他通道在临界点附近变得显著，这些通道共同将 QCD 临界点向更高的重子化学势和更低的温度方向移动，并略微增加了相边界的曲率。
⚛️ nuclear theory
Extracting Barrier Distributions from Fusion Cross Sections
本文表明，贝叶斯神经网络通过提供更真实的重建结果及量化的不确定性，在从实验截面数据中提取融合势垒分布方面优于高斯过程，同时也识别了未来实验产生影响的关键区域，并强调了所有方法的保真度主要取决于实验不确定性的量级。
⚛️ nuclear experiments
Single inclusive hadron and jet production in lepton-hadron scattering
本文利用联合 QCD+QED 因子化框架，首次计算了在轻子-强子散射中大横动量下的单包含强子和喷注产生，该框架引入了具有组合演化核的通用轻子分布函数，并为杰斐逊实验室（Jefferson Lab）以及未来的电子-离子对撞机（EIC）实验提供了预测。