BESIII Collaboration, M. Ablikim, M. N. Achasov, P. Adlarson, X. C. Ai, R. Aliberti, A. Amoroso, Q. An, Y. Bai, O. Bakina, Y. Ban, H. -R. Bao, V. Batozskaya, K. Begzsuren, N. Berger, M. Berlowski, M. B. Bertani, D. Bettoni, F. Bianchi, E. Bianco, A. Bortone, I. Boyko, R. A. Briere, A. Brueggemann, H. Cai, M. H. Cai, X. Cai, A. Calcaterra, G. F. Cao, N. Cao, S. A. Cetin, X. Y. Chai, J. F. Chang, T. T. Chang, G. R. Che, Y. Z. Che, C. H. Chen, Chao Chen, G. Chen, H. S. Chen, H. Y. Chen, M. L. Chen, S. J. Chen, S. M. Chen, T. Chen, X. R. Chen, X. T. Chen, X. Y. Chen, Y. B. Chen, Y. Q. Chen, Z. K. Chen, J. C. Cheng, L. N. Cheng, S. K. Choi, X. Chu, G. Cibinetto, F. Cossio, J. Cottee-Meldrum, H. L. Dai, J. P. Dai, X. C. Dai, A. Dbeyssi, R. E. de Boer, D. Dedovich, C. Q. Deng, Z. Y. Deng, A. Denig, I. Denisenko, M. Destefanis, F. De Mori, X. X. Ding, Y. Ding, Y. X. Ding, J. Dong, L. Y. Dong, M. Y. Dong, X. Dong, M. C. Du, S. X. Du, S. X. Du, X. L. Du, Y. Y. Duan, Z. H. Duan, P. Egorov, G. F. Fan, J. J. Fan, Y. H. Fan, J. Fang, J. Fang, S. S. Fang, W. X. Fang, Y. Q. Fang, L. Fava, F. Feldbauer, G. Felici, C. Q. Feng, J. H. Feng, L. Feng, Q. X. Feng, Y. T. Feng, M. Fritsch, C. D. Fu, J. L. Fu, Y. W. Fu, H. Gao, Y. Gao, Y. N. Gao, Y. N. Gao, Y. Y. Gao, Z. Gao, S. Garbolino, I. Garzia, L. Ge, P. T. Ge, Z. W. Ge, C. Geng, E. M. Gersabeck, A. Gilman, K. Goetzen, J. D. Gong, L. Gong, W. X. Gong, W. Gradl, S. Gramigna, M. Greco, M. D. Gu, M. H. Gu, C. Y. Guan, A. Q. Guo, J. N. Guo, L. B. Guo, M. J. Guo, R. P. Guo, X. Guo, Y. P. Guo, A. Guskov, J. Gutierrez, T. T. Han, F. Hanisch, K. D. Hao, X. Q. Hao, F. A. Harris, C. Z. He, K. L. He, F. H. Heinsius, C. H. Heinz, Y. K. Heng, C. Herold, P. C. Hong, G. Y. Hou, X. T. Hou, Y. R. Hou, Z. L. Hou, H. M. Hu, J. F. Hu, Q. P. Hu, S. L. Hu, T. Hu, Y. Hu, Z. M. Hu, G. S. Huang, K. X. Huang, L. Q. Huang, P. Huang, X. T. Huang, Y. P. Huang, Y. S. Huang, T. Hussain, N. Hüsken, N. in der Wiesche, J. Jackson, Q. Ji, Q. P. Ji, W. Ji, X. B. Ji, X. L. Ji, X. Q. Jia, Z. K. Jia, D. Jiang, H. B. Jiang, P. C. Jiang, S. J. Jiang, X. S. Jiang, Y. Jiang, J. B. Jiao, J. K. Jiao, Z. Jiao, S. Jin, Y. Jin, M. Q. Jing, X. M. Jing, T. Johansson, S. Kabana, N. Kalantar-Nayestanaki, X. L. Kang, X. S. Kang, M. Kavatsyuk, B. C. Ke, V. Khachatryan, A. Khoukaz, O. B. Kolcu, B. Kopf, L. Kröger, M. Kuessner, X. Kui, N. Kumar, A. Kupsc, W. Kühn, Q. Lan, W. N. Lan, T. T. Lei, M. Lellmann, T. Lenz, C. Li, C. Li, C. H. Li, C. K. Li, D. M. Li, F. Li, G. Li, H. B. Li, H. J. Li, H. L. Li, H. N. Li, Hui Li, J. R. Li, J. S. Li, J. W. Li, K. Li, K. L. Li, L. J. Li, Lei Li, M. H. Li, M. R. Li, P. L. Li, P. R. Li, Q. M. Li, Q. X. Li, R. Li, S. X. Li, Shanshan Li, T. Li, T. Y. Li, W. D. Li, W. G. Li, X. Li, X. H. Li, X. K. Li, X. L. Li, X. Y. Li, X. Z. Li, Y. Li, Y. G. Li, Y. P. Li, Z. H. Li, Z. J. Li, Z. X. Li, Z. Y. Li, C. Liang, H. Liang, Y. F. Liang, Y. T. Liang, G. R. Liao, L. B. Liao, M. H. Liao, Y. P. Liao, J. Libby, A. Limphirat, D. X. Lin, L. Q. Lin, T. Lin, B. J. Liu, B. X. Liu, C. X. Liu, F. Liu, F. H. Liu, Feng Liu, G. M. Liu, H. Liu, H. B. Liu, H. M. Liu, Huihui Liu, J. B. Liu, J. J. Liu, K. Liu, K. Liu, K. Y. Liu, Ke Liu, L. Liu, L. C. Liu, Lu Liu, M. H. Liu, P. L. Liu, Q. Liu, S. B. Liu, W. M. Liu, W. T. Liu, X. Liu, X. K. Liu, X. L. Liu, X. Y. Liu, Y. Liu, Y. Liu, Y. B. Liu, Z. A. Liu, Z. D. Liu, Z. Q. Liu, Z. Y. Liu, X. C. Lou, H. J. Lu, J. G. Lu, X. L. Lu, Y. Lu, Y. H. Lu, Y. P. Lu, Z. H. Lu, C. L. Luo, J. R. Luo, J. S. Luo, M. X. Luo, T. Luo, X. L. Luo, Z. Y. Lv, X. R. Lyu, Y. F. Lyu, Y. H. Lyu, F. C. Ma, H. L. Ma, Heng Ma, J. L. Ma, L. L. Ma, L. R. Ma, Q. M. Ma, R. Q. Ma, R. Y. Ma, T. Ma, X. T. Ma, X. Y. Ma, Y. M. Ma, F. E. Maas, I. MacKay, M. Maggiora, S. Malde, Q. A. Malik, H. X. Mao, Y. J. Mao, Z. P. Mao, S. Marcello, A. Marshall, F. M. Melendi, Y. H. Meng, Z. X. Meng, G. Mezzadri, H. Miao, T. J. Min, R. E. Mitchell, X. H. Mo, B. Moses, N. Yu. Muchnoi, J. Muskalla, Y. Nefedov, F. Nerling, H. Neuwirth, Z. Ning, S. Nisar, Q. L. Niu, W. D. Niu, Y. Niu, C. Normand, S. L. Olsen, Q. Ouyang, S. Pacetti, X. Pan, Y. Pan, A. Pathak, Y. P. Pei, M. Pelizaeus, H. P. Peng, X. J. Peng, Y. Y. Peng, K. Peters, K. Petridis, J. L. Ping, R. G. Ping, S. Plura, V. Prasad, F. Z. Qi, H. R. Qi, M. Qi, S. Qian, W. B. Qian, C. F. Qiao, J. H. Qiao, J. J. Qin, J. L. Qin, L. Q. Qin, L. Y. Qin, P. B. Qin, X. P. Qin, X. S. Qin, Z. H. Qin, J. F. Qiu, Z. H. Qu, J. Rademacker, C. F. Redmer, A. Rivetti, M. Rolo, G. Rong, S. S. Rong, F. Rosini, Ch. Rosner, M. Q. Ruan, N. Salone, A. Sarantsev, Y. Schelhaas, K. Schoenning, M. Scodeggio, W. Shan, X. Y. Shan, Z. J. Shang, J. F. Shangguan, L. G. Shao, M. Shao, C. P. Shen, H. F. Shen, W. H. Shen, X. Y. Shen, B. A. Shi, H. Shi, J. L. Shi, J. Y. Shi, S. Y. Shi, X. Shi, H. L. Song, J. J. Song, M. H. Song, T. Z. Song, W. M. Song, Y. X. Song, Zirong Song, S. Sosio, S. Spataro, S. Stansilaus, F. Stieler, S. S Su, G. B. Sun, G. X. Sun, H. Sun, H. K. Sun, J. F. Sun, K. Sun, L. Sun, R. Sun, S. S. Sun, T. Sun, W. Y. Sun, Y. C. Sun, Y. H. Sun, Y. J. Sun, Y. Z. Sun, Z. Q. Sun, Z. T. Sun, C. J. Tang, G. Y. Tang, J. Tang, J. J. Tang, L. F. Tang, Y. A. Tang, L. Y. Tao, M. Tat, J. X. Teng, J. Y. Tian, W. H. Tian, Y. Tian, Z. F. Tian, I. Uman, B. Wang, B. Wang, Bo Wang, C. Wang, C. Wang, Cong Wang, D. Y. Wang, H. J. Wang, J. Wang, J. J. Wang, J. P. Wang, J. P. Wang, K. Wang, L. L. Wang, L. W. Wang, M. Wang, M. Wang, N. Y. Wang, S. Wang, Shun Wang, T. Wang, T. J. Wang, W. Wang, W. P. Wang, X. Wang, X. F. Wang, X. L. Wang, X. N. Wang, Xin Wang, Y. Wang, Y. D. Wang, Y. F. Wang, Y. H. Wang, Y. J. Wang, Y. L. Wang, Y. N. Wang, Y. N. Wang, Yaqian Wang, Yi Wang, Yuan Wang, Z. Wang, Z. Wang, Z. L. Wang, Z. Q. Wang, Z. Y. Wang, Ziyi Wang, D. Wei, D. H. Wei, H. R. Wei, F. Weidner, S. P. Wen, U. Wiedner, G. Wilkinson, M. Wolke, J. F. Wu, L. H. Wu, L. J. Wu, Lianjie Wu, S. G. Wu, S. M. Wu, X. W. Wu, Y. J. Wu, Z. Wu, L. Xia, B. H. Xiang, D. Xiao, G. Y. Xiao, H. Xiao, Y. L. Xiao, Z. J. Xiao, C. Xie, K. J. Xie, Y. Xie, Y. G. Xie, Y. H. Xie, Z. P. Xie, T. Y. Xing, C. J. Xu, G. F. Xu, H. Y. Xu, M. Xu, Q. J. Xu, Q. N. Xu, T. D. Xu, X. P. Xu, Y. Xu, Y. C. Xu, Z. S. Xu, F. Yan, L. Yan, W. B. Yan, W. C. Yan, W. H. Yan, W. P. Yan, X. Q. Yan, H. J. Yang, H. L. Yang, H. X. Yang, J. H. Yang, R. J. Yang, Y. Yang, Y. H. Yang, Y. Q. Yang, Y. Z. Yang, Z. P. Yao, M. Ye, M. H. Ye, Z. J. Ye, Junhao Yin, Z. Y. You, B. X. Yu, C. X. Yu, G. Yu, J. S. Yu, L. W. Yu, T. Yu, X. D. Yu, Y. C. Yu, Y. C. Yu, C. Z. Yuan, H. Yuan, J. Yuan, J. Yuan, L. Yuan, M. K. Yuan, S. H. Yuan, Y. Yuan, C. X. Yue, Ying Yue, A. A. Zafar, F. R. Zeng, S. H. Zeng, X. Zeng, Yujie Zeng, Y. J. Zeng, Y. C. Zhai, Y. H. Zhan, Shunan Zhang, B. L. Zhang, B. X. Zhang, D. H. Zhang, G. Y. Zhang, G. Y. Zhang, H. Zhang, H. Zhang, H. C. Zhang, H. H. Zhang, H. Q. Zhang, H. R. Zhang, H. Y. Zhang, J. Zhang, J. J. Zhang, J. L. Zhang, J. Q. Zhang, J. S. Zhang, J. W. Zhang, J. X. Zhang, J. Y. Zhang, J. Z. Zhang, Jianyu Zhang, L. M. Zhang, Lei Zhang, N. Zhang, P. Zhang, Q. Zhang, Q. Y. Zhang, R. Y. Zhang, S. H. Zhang, Shulei Zhang, X. M. Zhang, X. Y. Zhang, Y. Zhang, Y. Zhang, Y. T. Zhang, Y. H. Zhang, Y. P. Zhang, Z. D. Zhang, Z. H. Zhang, Z. L. Zhang, Z. L. Zhang, Z. X. Zhang, Z. Y. Zhang, Z. Y. Zhang, Z. Z. Zhang, Zh. Zh. Zhang, G. Zhao, J. Y. Zhao, J. Z. Zhao, L. Zhao, L. Zhao, M. G. Zhao, S. J. Zhao, Y. B. Zhao, Y. L. Zhao, Y. X. Zhao, Z. G. Zhao, A. Zhemchugov, B. Zheng, B. M. Zheng, J. P. Zheng, W. J. Zheng, X. R. Zheng, Y. H. Zheng, B. Zhong, C. Zhong, H. Zhou, J. Q. Zhou, S. Zhou, X. Zhou, X. K. Zhou, X. R. Zhou, X. Y. Zhou, Y. X. Zhou, Y. Z. Zhou, A. N. Zhu, J. Zhu, K. Zhu, K. J. Zhu, K. S. Zhu, L. X. Zhu, Lin Zhu, S. H. Zhu, T. J. Zhu, W. D. Zhu, W. J. Zhu, W. Z. Zhu, Y. C. Zhu, Z. A. Zhu, X. Y. Zhuang, J. H. Zou
Each language version is independently generated for its own context, not a direct translation.
这篇论文就像是一次高能的“粒子侦探”行动。科学家们利用巨大的粒子加速器,捕捉并分析了一种名为 Λc+(读作“Lambda-c 正”)的奇特粒子的“死亡”过程,试图解开它分解时的秘密。
为了让你更容易理解,我们可以把整个过程想象成拆解一个复杂的乐高积木城堡。
1. 主角是谁?(Λc+ 粒子)
想象 Λc+ 是一个由三个小积木(夸克)紧紧拼在一起的“微型城堡”。它是“魅”(Charm)家族的一员,比普通的原子核要重得多,而且寿命极短,一出生就急着要“散架”(衰变)。
2. 他们在看什么?(衰变过程)
这篇论文关注的是一种特定的“散架”方式:Λc+ 分裂成了三个碎片:一个质子(p)、一个正 K 介子(K+)和一个负 K 介子(K−)。
- 比喻:就像你手里拿着一个复杂的乐高城堡,突然它“砰”地一声炸开,变成了三块特定的积木。
- 难点:这种爆炸方式在自然界中非常罕见(属于“单卡比博抑制”衰变),就像你扔硬币扔了 1000 次,只有几次会出现特定的图案。因此,要看到它非常不容易。
3. 他们做了什么?(振幅分析)
科学家们没有只是数数“炸开了多少次”,他们做了一件更高级的事:“振幅分析”。
- 比喻:普通的测量只是数数“城堡炸了 100 次”。而“振幅分析”就像是慢动作回放,并且给爆炸过程拍了一部高清电影。
- 目的:他们想知道,这个城堡在炸开之前,是不是先变成了某种临时的中间形态?
- 比如,它是不是先变成了一个临时的“双积木组合”(共振态),然后再彻底散开?
- 就像城堡炸开前,可能先变成了一辆“临时小车”,然后小车再散架。
4. 发现了什么?(新的“临时形态”)
通过这种“慢动作回放”分析,科学家们发现了这个城堡在散架过程中,确实经过了几个特定的“中间站”:
- ϕ(1020):这是一个很常见的“中间站”,就像城堡先变成了一辆熟悉的卡车。
- f0(980):这是另一个中间形态。
- Λ(1405) 和 Λ(1670):这是本次最大的发现! 以前大家没怎么见过这两个“中间站”在这个特定的爆炸中出现过。这就好比你在拆乐高时,意外发现城堡在散架前,竟然先变成了一辆从未见过的、造型奇特的机器人,而且这是人类第一次在 Λc+ 的衰变中确认看到它们。
5. 他们是怎么做到的?(BESIII 探测器)
- 工厂:他们在中国北京的 BEPCII 对撞机里,让电子和正电子高速相撞,制造出大量的 Λc+ 粒子。
- 相机:BESIII 探测器就像一个超级巨大的、360 度无死角的超高速相机,记录了这些粒子碰撞和衰变的所有细节。
- 数据量:他们收集了相当于 4.4 个“单位”的数据量($4.4 \text{ fb}^{-1}$),这就像是在茫茫大海里捞出了足够多的特定贝壳,足以进行统计分析。
6. 结果意味着什么?
- 更精准的测量:他们不仅发现了新的“中间形态”,还重新计算了 Λc+ 变成 pK+K− 的概率(分支比)。
- 以前的测量就像是用一把刻度粗糙的尺子量东西,误差较大。
- 这次他们换了一把精密游标卡尺,把测量精度提高了约 1.5 倍。
- 验证理论:他们发现,Λc+ 变成 ϕ(1020) 的概率,和理论物理学家们几十年前预测的非常吻合。这就像是你按照一张古老的藏宝图挖宝,结果真的挖到了,证明地图画得很准。
- 寻找新物理:这种衰变对“电荷 - 宇称(CP)破坏”非常敏感。CP 破坏是解释“为什么宇宙中物质比反物质多”的关键钥匙。虽然这次主要是在描述过程,但更精确的模型是未来寻找宇宙大秘密的基础。
总结
简单来说,这篇论文就是BESIII 团队利用超级显微镜,第一次看清了 Λc+ 粒子在“自爆”瞬间的复杂舞蹈。他们不仅确认了它熟悉的舞步,还首次捕捉到了两个全新的、神秘的舞伴(Λ(1405) 和 Λ(1670)),并以前所未有的精度记录了这场舞蹈的频率。这让我们对微观世界的“乐高积木”是如何组装和拆解的,有了更深的理解。
Each language version is independently generated for its own context, not a direct translation.
以下是基于 BESIII 合作组论文《Amplitude Analysis of Singly Cabibbo-Suppressed Decay Λc+→pK+K−》的中文技术总结:
1. 研究背景与问题 (Problem)
- 物理目标:Λc+ 重子是研究粲重子性质和结构的最轻系统。单卡比博压低(SCS)衰变 Λc+→pK+K− 被认为是研究粲重子衰变中电荷 - 宇称(CP)破坏的“黄金通道”,因其分支比相对较大且探测效率高。
- 科学挑战:
- 该衰变涉及复杂的强相互作用动力学,处于微扰与非微扰量子色动力学(QCD)的交界面。
- 现有的理论模型(如极点模型、协变受限夸克模型等)对该衰变及其主导中间态 Λc+→pϕ(1020) 的预测存在显著差异。
- 此前对该衰变的测量主要基于相空间假设,缺乏对中间共振态贡献的精细分解,导致对衰变机制的理解不足,且限制了 CP 破坏搜索的精度。
- 之前的 BESIII 测量精度有待提高,且部分中间态(如 Λ(1405) 和 Λ(1670))尚未被明确观测到。
2. 研究方法 (Methodology)
- 数据来源:利用 BESIII 探测器在 BEPCII 对撞机上采集的 e+e− 湮灭数据,质心能量覆盖 4600 至 4698 MeV,积分亮度为 4.4 fb−1。
- 事例选择:
- 重建 Λc+→pK+K− 候选事例,利用能量差 (ΔE) 和束流能量约束质量 (MBC) 进行筛选。
- 采用 sPlot 技术 处理背景,通过 MBC 分布拟合提取统计权重,从而在振幅分析中消除组合背景的影响。
- 振幅分析 (Amplitude Analysis):
- 采用螺旋度振幅形式体系(Helicity Amplitude Formalism),基于开源框架 TF-PWA 进行拟合。
- 模型构建:将三体衰变描述为一系列准二体级联衰变。考虑了以下中间共振态:
- ϕ(1020):使用相对论 Breit-Wigner 线形,并卷积探测器分辨率。
- f0(980):使用双耦合道 Flatté 模型。
- Λ(1405):使用双耦合道 Flatté 模型。
- Λ(1670):使用相对论 Breit-Wigner 模型。
- 拟合策略:通过负对数似然函数(NLL)拟合,确定各共振态的拟合分数(Fit Fractions, FF)及统计显著性。利用输入 - 输出(IO)测试(500 个伪实验)来修正拟合结果的偏差并评估系统误差。
- 分支比测量:
- 基于振幅分析得到的模型,重新计算探测效率(ϵ),以获得更准确的信号事例数。
- 结合 Λc+Λˉc− 对产生的总数,计算绝对分支比。
3. 关键贡献 (Key Contributions)
- 首次振幅分析:这是 Λc+→pK+K− 衰变的首次振幅分析,成功解耦了复杂的中间共振态及其干涉效应。
- 新发现:首次在 Λc+ 衰变中观测到 Λ(1405)K+ 和 Λ(1670)K+ 模式,填补了该领域的实验空白。
- 精度提升:将 Λc+→pK+K− 的分支比测量精度提高了约 1.5 倍,超越了之前的 BESIII 测量结果。
- 模型验证:提供了高精度的实验数据,用于检验和区分不同的 QCD 理论模型(特别是针对 ϕ(1020) 主导的衰变机制)。
4. 主要结果 (Results)
- 分支比测量:
- Λc+→pK+K− 的总分支比更新为:
B=(9.94±0.65stat±0.50syst)×10−4
该结果与世界平均值在 1 个标准差内一致,但精度更高。
- Λc+→pK+K− 的总分支比更新为:
- 共振态拟合分数 (Fit Fractions, FF):
- pϕ(1020): $57 \pm 5 \pm 2 %(显著性16.6\sigma$)
- pf0(980): $40 \pm 16 \pm 15 %(显著性3.6\sigma$)
- Λ(1405)K+: $21 \pm 9 \pm 6 %(显著性4.6\sigma$)
- Λ(1670)K+: $12 \pm 10 \pm 8 %(显著性5.0\sigma$)
- 未发现显著的非共振贡献。
- 绝对分支比 (基于 PDG 参考值归一化):
- B(Λc+→pϕ(1020))=(0.62±0.05±0.02±0.03)×10−3
- B(Λc+→pf0(980))=(0.43±0.17±0.16±0.02)×10−3
- B(Λc+→Λ(1405)K+)=(0.23±0.10±0.06±0.01)×10−3
- B(Λc+→Λ(1670)K+)=(0.13±0.11±0.09±0.01)×10−3
- 注:Λc+→pϕ(1020) 的测量值 (1.21±0.11±0.08±0.01)×10−3 是目前最精确的测定,与极点模型和 CCQM 模型预测吻合良好。
5. 科学意义 (Significance)
- 深化动力学理解:通过精确分解中间态,揭示了 Λc+→pK+K− 衰变中强相互作用的复杂机制,特别是 ϕ(1020) 的主导地位以及 Λ 激发态的贡献。
- CP 破坏搜索的基础:高精度的振幅模型和分支比测量是未来在该衰变道中搜索 CP 破坏的前提。只有准确描述信号行为,才能可靠地识别微小的 CP 破坏效应。
- 理论约束:实验结果与部分理论模型(如极点模型)一致,但与其他模型存在差异,这为改进 QCD 在粲重子衰变中的理论计算提供了关键约束。
- 方法学示范:展示了利用高统计量数据和先进的振幅分析技术处理复杂多体衰变的强大能力,为后续重味物理研究树立了标杆。
综上所述,该工作不仅刷新了 Λc+→pK+K− 分支比的测量精度,更首次揭示了其内部丰富的共振结构,为理解粲重子衰变动力学和探索超越标准模型的 CP 破坏效应奠定了坚实基础。
喜欢这篇解读?每天收到一篇类似的。
请查收邮箱确认订阅。
出了点问题,再试一次?
无垃圾邮件,随时退订。
类似论文
Particle Trajectory Representation Learning with Masked Point Modeling
本文提出了基于掩码点建模的自监督学习框架 PoLAr-MAE,通过利用未标记的液氩时间投影 chamber(LArTPC)数据学习物理意义明确的轨迹表示,仅需极少量标注样本即可实现媲美超大规模监督训练的性能,并释放了包含 100 万个事件的大规模数据集 PILArNet-M 以推动该领域基础模型的发展。
Preparation and measurement of an 37Ar source for liquid xenon detector calibration
本文介绍了一种利用反应堆热中子辐照36Ar制备37Ar源的方法,并通过气态氙时间投影 chamber 的测量验证了其作为液氙暗物质探测器低能区校准源的有效性与可行性。
Testing a 95 GeV Scalar at the CEPC with Machine Learning
该研究通过全探测器模拟和深度神经网络分类器,论证了在中国环形正负电子对撞机(CEPC)上利用 210 GeV 质心能量运行并结合机器学习技术,是高效检验 95 GeV 轻标量粒子假说(特别是 N2HDM-Flipped 模型)的最优策略。
Design, waterproofing, and mass production of the 3-inch PMT frontend system of JUNO
本文介绍了江门中微子实验(JUNO)中央探测器中 25,600 多个 3 英寸光电倍增管前端系统的高压分压器、电缆连接器及防水灌封的设计、量产工艺,并展示了集成后的验收测试结果。
A Method for On-Orbit Calibration of the VLAST-P Electromagnetic Calorimeter
本文针对 VLAST-P 任务中的 CsI 电磁量能器,通过 Geant4 仿真验证了其在 0.1 至 5 GeV 能区优于 10% 的能量分辨率和低于 2% 的线性度,并开发了一种基于最小电离粒子的在轨定标方法以保障能量重建精度与探测器稳定性。