XiaoMi-AI文件搜索系统
World File Search SystemLuminosity
![arXiv:2003.08126v1 [quant-ph] 2020 年 3 月 18 日](/simg/g:\will\search\icon\source\c\c6d01874017c7d6f6947dc0a7a998c392e725488.webp)
arXiv:2003.08126v1 [quant-ph] 2020 年 3 月 18 日
摘要：准确确定粒子径迹重建参数将成为高亮度大型强子对撞机 (HL-LHC) 实验面临的主要挑战。HL-LHC 同时发生的碰撞数量预计会增加，探测器占用率也会随之提高，这将使径迹重建算法对时间和计算资源的要求变得极为苛刻。撞击数量的增加将增加径迹重建算法的复杂性。此外，由于探测器的分辨率有限以及撞击的物理“接近度”，将撞击分配给粒子径迹的模糊性也会增加。因此，带电粒子径迹的重建将成为正确解释 HL-LHC 数据的主要挑战。目前使用的大多数方法都基于卡尔曼滤波器，这些滤波器被证明是稳健的，并能提供良好的物理性能。然而，它们的扩展性预计会比二次方差。设计一种能够在命中级别减少组合背景的算法，将为卡尔曼滤波器提供更“干净”的初始种子，从而大大减少总处理时间。量子计算机的显着特征之一是能够同时评估大量状态，使其成为在大型参数空间中进行搜索的理想工具。事实上，不同的研发计划正在探索量子跟踪算法如何利用这些功能。在本文中，我们介绍了我们在实现基于量子的轨迹查找算法方面的工作，该算法旨在减少初始播种阶段的组合背景。我们使用为 kaggle TrackML 挑战设计的公开数据集。
用混合非LTE方法的晚期O型主序列星的定量光谱
上下文。在亮度log l / l⊙⊙5.2的亮度log log-type恒星中显示弱的风，质量损失速率低于10-8 m⊙yr-1。这意味着，与他们更庞大，更发光的兄弟姐妹不同，它们的光电层不会受到恒星风的强烈影响。目标。一种混合非本地热力学平衡（非LTE）方法 - 在LTE假设下与非LTE线形成计算相结合的线主静水压模型大气 - 测试了晚期O-Type恒星的分析，其质量为量高达25 m 25 m。研究了20个大多数尖锐的O8型O8至O9.7型恒星的银河恒星，以及先前使用全非LTE模型大气的文献中研究的Luminosity类V和IV样品。方法。使用Kurucz的A TLAS 12代码计算的静液压和平行大气结构以及合成光谱以及非LTE线形成代码D ETAIL和S URFACE，这些代码an和S Urface（涉及了湍流压力对大气的影响）。高分辨率光谱的大气参数。通过考虑恒星进化轨道和Gaia早期数据版本3（EDR3）视差来得出基本恒星参数。星际红色的特征是从紫外线到MID-IR拟合光谱能量分布。结果。对于16个样本恒星的所有派生参数都可以实现高精度和精度（4个对象显示复合体格）。湍流压力效应对于定量分析而言很重要。有效温度确定为1–3％的不确定性水平，表面重力为0.05至0.10 dex，质量高于8％，半径高于10％，并且亮度通常超过20％的不确定性。丰度均具有0.05-0.10 DEX的不确定性，并且在0.03–0.05 DEX（1σ标准偏差）一般而言。总的来说，先前研究使用统一的光球加风（全）非LTE模型大气的结果，并具有更高的精度。对于元素丰度，这些改进最为明显，并且发现较小的微涡轮速度。在我们的光谱距离与盖亚（Gaia）之间达成了总体良好的一致性。GAIA EDR3基于LAC OB1B关联以及开放簇NGC 2244，IC 1805，NGC 457和IC 1396的距离被确定为副产品。派生的N/C与N/O的丰度比率紧密地遵循了恒星进化模型的预示。恒星上的两个显示出非常高的CNO加工材料的混合，并且似乎源于二元进化。
射线成像和断层扫描闪烁体的需求、趋势和进展
摘要 —闪烁体是射线成像和断层扫描 (RadIT) 的重要材料，当使用电离辐射（例如 X 射线、高能带电粒子或中子）来揭示物质的光学不透明内部结构时。自从伦琴发现和发明以来，RadIT 现已有多种形式或模式，例如相位衬度 X 射线成像、相干 X 射线衍射成像、1 MeV 以上的高能 X 射线和 γ − 射线射线照相术、X 射线计算机断层扫描 (CT)、质子成像和断层扫描 (IT)、中子 IT、正电子发射断层扫描 (PET)、高能电子射线照相术、μ 子断层扫描等。高空间、时间分辨率、高灵敏度和辐射硬度等是 RadIT 性能的常见指标，除闪烁体外，粒子源（尤其是高亮度加速器和高功率激光器）、光电探测器（尤其是互补金属氧化物半导体 (CMOS) 像素化传感器阵列）以及最近的数据科学的进步也使这些指标得以实现。医学成像、无损检测、核安全和保障措施是 RadIT 的传统应用。快速增长或新兴的应用示例包括太空、增材制造 (AM)、机器视觉和虚拟现实或“元宇宙”。根据 RadIT 指标讨论了闪烁体指标，例如光产量、衰减时间和辐射硬度。SCINT22 会议期间展示了 160 多种闪烁体和应用。一些新的趋势包括无机和有机闪烁体复合材料或异质结构、钙钛矿和单晶微米厚薄膜的液相合成、最近使用多物理模型和数据科学来指导闪烁体的开发和发现、结构创新，如光子晶体、纳米闪烁体，
露天和精神影响的生理学
我提出的电磁能范围从具有模式但没有运动的固定神性（即是通过具有自动组织模式的光频率的，具有非挥发性图案的物质的低频动作，直到具有永恒持久宇宙模式的较高精神能量频率。我进一步提出，在一定程度上，我们可以在精神上可以同情地进行电磁能，从而使能量与精神影响保持一致和和谐，我们的能量模式（物质和光学）变得更加稳定和持久。在本文中，我们将寻找使用物理学和生理学解释的方法，即不同的精神能量如何与我们的物质能量相互作用。我们将在身体和大脑的电化学物理功能中寻找可能的连贯，这可能会揭示出对物质间交往的精神。我们还将研究这些生理学的正念和情感过度控制，也许会找到提高我们检测，增强和改善精神影响能力和能力的能力的方法。我不是在提出一种简化的机制，即我们的自我意识和我们的上帝意识可以减少到物质的动作中。我认为我们不仅仅是我们的事情。我们对物质有脑力，但是什么是思想？为此，什么是精神？精神是真实的吗？它是真正的力量，真正的力量和真正的刺激吗？我们可能无法在材料体中找到精神物质，但是我们可能能够找到精神光度的某些影响，因为它影响了我们的大脑和神经系统，因此它对我们心灵的太阳辐射计。
2030年代的LHCB顶点定位器（velo）
LHCB检测器的升级II（预见到2031年）将以1.5×10 34 cm -2 s -1的瞬时发光度运行，以超过300 fb -1的样本积累。每次事件应对42和200带电的粒子轨道的估计堆积，将添加精确的时机，并将其添加到跟踪和导向子系系统中。一个新的顶点定位器（VELO），能够管理预期的7.5倍的数据速率，占用率和辐射量。基于4D混合硅像素技术，具有提高的ASIC速率和时序功能，新的Velo将允许精确的美容和魅力强体标识和实时模式识别。通过详细的模拟，探索了通过详细的模拟，探索通知，内部半径，材料预算和像素尺寸相位空间，同时将冲击参数（IP）分辨率限制为升级I值。在6×10 16 N EQ /cm 2和8×10 15 N EQ /cm 2时的内部半径和寿命末端的两种不同的场景作为进一步优化的起点。对传感器技术（包括LGADS，3DS和Planar Pixels）的进步和当前的研发，重点介绍了辐射硬设计和缺陷工程。与传感器电容和功率预算有关的相关要求是为了实现未来28 nm Protipe提交的每个命中计时目标的30 ps。相对于每个布局方案，研究了冷却，力学和真空实现的改进。将双重Krypton冷却的使用评估为以上1.5 w/cm 2功率耗散的情况。还考虑了可更换的传感器模块，并与3D打印的钛载体相结合。最后，讨论了在六年内进行最终设计优化的全面研发计划。
pos（iChep2024）286
天体物理和宇宙学可观察物，例如宇宙微波背景中的波动，螺旋星系的旋转曲线和引力透镜，表明我们宇宙的物质内容由16％的普通物质组成[1]。其余的84％归因于暗物质（DM），该暗物质是中性或仅在标准模型（SM）力下弱带电的。迄今为止，未观察到DM粒子。由于没有理由必须有独特的DM候选SM扩展SM，因此可能存在各种DM颗粒和黑暗力量的完整黑暗扇区。介体可以将SM和黑暗区域连接起来，从而使对撞机实验中的暗区域进行探索，并通过向量，轴，Higgs和Neutrino Portals出现。预计这些介体的耦合强度将非常弱，并且可能是长寿的，从而导致主要和次要顶点的主要位移。如果这些新粒子很轻，例如，质量低于电牵引量表，可以在对撞机实验中检测到它们。实验上最容易获得的可能性是介体是在SM颗粒的相互作用中产生的，并腐烂成可检测的最终态颗粒。此程序讨论了搜索可见的调解人衰减的搜索。将搜索每个可能的门户网站。这些分别是在及时搜索黑暗光子（DP）的搜索，并衰减为𝜇 + 𝜇 - ，在𝐵→𝐾→𝐾 + 𝜇- + + 𝜇-衰减中进行了深色的玻色子搜索，并进行了沉重的中性Lepton（Hnl）搜索𝑊 + +→𝜇 + + + +𝑁±±±±𝑞𝑞这些分析是用LHCB检测器进行的，LHCB检测器对正向区域具有独特的覆盖范围，并允许迅速和流离失所的衰减进行搜索。高光度和低触发阈值之间的平衡对于低质量搜索尤其重要。LHCB检测器的出色顶点和不变的质量分辨率非常适合解决强烈抑制的衰减。
相对论重离子状态方程的分类...
重离子碰撞物理学的主要目标之一是探索奇异物质态的性质，即热、致密且难相互作用的重子物质。它可以在实验室中通过相对论能量下的重核碰撞来重现。格点量子色动力学 (QCD) 计算表明，在高能和低重子密度下，夸克胶子等离子体 (QGP) 到强子气体的转变是平稳的 [1]。人们普遍认为，最终以三临界点结束的一级相变发生在 √ s = 3 至 10 GeV 之间的能量范围内，例如，参见 [2] 及其参考文献。各种过去和正在进行的实验，如相对论重离子对撞机 (RHIC) 上的束流能量扫描 (BES) 和 BES II [ 3 , 4 ]、欧洲核子研究中心的超级质子同步加速器 (SPS) 上的实验，都在探索与金和铅离子束的碰撞，以发现上述能量范围内的任何特殊性。然而，到目前为止，还没有观察到一级相变和三临界点。未来的实验，如基于核子加速器的离子对撞机设施 (NICA) 和反质子和离子研究设施 (FAIR) 旨在以更高的亮度在给定能量下进行碰撞，这让我们有希望在那里看到一些新的东西。观察相变的困难源于许多因素。其中一些是QGP相存在时间极短（大约10 − 24 fm/ c），系统中粒子数少，物质在坐标和动量空间中都具有高度各向异性等。探测器记录的所有有价值的信息大约是数千个具有相应能量和动量的粒子。因此，很难对它们来自的介质做出任何合理的假设。
IMB-CNM
3D硅检测器[1，2]在高能物理应用中确立了自己的关键技术。与平面探测器相反，在硅的批量而非表面实现了3D检测器中的电极（连接和欧姆接触）（见图1）。这种独特的几何形状使这些探测器可以结合高辐射硬度和低功耗。高辐射硬度源于电极之间的短距离，因此限制了载流子被辐射引起的缺陷捕获，而信号则由粒子的较大轨道通过硅晶圆晶粒厚度定义。低耗尽电压可以保证即使在改善收费收集所需的过度电压下，也可以保证低功耗。这两个方面在高能物理实验的内部跟踪探测器中至关重要。3D硅探测器被用作最接近相互作用点或光束的像素探测器。他们于2014年成功安装在Atlas检测器的可插入的B层中（IBL-ATLAS）[3]，2016年在Atlas Forward Proton（AFP）探测器[4]中，在2017年，在CMS-Totem Precision Procion Spectreprmeter（CT-PPPS）[5]和较高的for for for for for for for p. ppps（ct-ppps）[5]，并且对高度lumc（均为aTC）（hlc）（hlc）（hlc）（和CMS探测器[6，7]。它们的组合辐射硬度和时机特性也使它们成为平面探测器的有前途的替代方案，该探测器限于〜10 15 cm-2 [8]的功能，并且可以在恶劣环境中确立自己的固态定时探测器[9]。在IBL 中证明了3D检测器的生产性在IBL这些吸引人的特征以不均匀的信号，大传感器电容为代价，这是由于电极间间距较小和较长的电极深度以及制造的复杂性提高。实际上，IBL技术设计报告指出，“主要关注3D传感器的主要问题是生产运行的制造性和均匀性” [10]。3D技术是一项相对复杂的技术：制造运行由〜120-140步，具有8个掩码水平，而标准平面像素（根据IMB-CNM定义）为〜40步和5个掩码水平。
2021 年 Snowmass 赛事流程
1. 执行摘要 当前，业界正在考虑的未来 HEP 设施（如μ子对撞机或下一代高能强子对撞机）将需要达到现有技术极限甚至超越现有技术能力的磁铁。从历史上看，先进磁铁技术的开发和成熟度展示可用于当前的 LHC 升级（称为高亮度 LHC 升级，HL- LHC），这得益于美国为期约 15 年的国家定向研发计划（称为 LHC 加速器研究计划，LARP）与通用和互补的研发工作（导体开发计划、通用加速器研发 GARD、大学计划等）的结合。在本白皮书中，我们建议建立一个类似的前沿技术和可行性指导计划（LEAF 计划），为在未来十年的时间范围内做出未来的对撞机决策做好准备。与其前身一样，LEAF 计划将依赖并协同目前美国由磁体开发计划 (MDP)、导体采购和研发 (CPRD) 计划和 HEP 办公室由早期职业奖 (ECA) 或实验室指导研发 (LDRD) 基金资助的其他活动所涵盖的通用研发工作。在可能的情况下，将强调与 DOE 或 NSF 其他办公室的协同努力的联系，并建议将其作为国家范围内更广泛的合作努力。国际努力也被提及为 LEAF 计划的潜在合作伙伴。我们设想 LEAF 计划将专注于展示用于 μ 子对撞机以及下一代高能强子对撞机的磁体的可行性，并在必要时并根据应用性质的要求，从研发模型过渡到长模型/原型。LEAF 计划将自然而然地推动加速器质量和实验界面设计方面的考虑。必要时，LEAF 还将专注于降低成本和/或工业化步骤。LEAF 计划预计将是一项为期十年的努力，始于 2024-2025 年左右，于 2034-2035 年左右完成。根据支持者的经验，我们建议 LEAF 计划的适当资助水平应为每年约 2500-3000 万美元，适用于所有参与者（美国国家实验室和大学）。
高能量物理学中的量子机学习
粒子物理学是科学的一个分支，旨在通过研究物质和力的最基本组成部分来了解自然的基本定律。这可以在具有粒子加速器的受控环境中完成，例如大型强子对撞机（LHC），也可以在不受控制的环境中，例如宇宙中的灾难性事件。粒子物理学的标准模型是数十年的理论工作和实验的成就。虽然它是一个非常成功的有效理论，但它不允许重力整合，并且已知存在局限性。粒子物理学的实验需要大而复杂的数据集，这在数据处理和分析中提出了特定的挑战。最近，机器学习在物理科学中发挥了重要作用。尤其是我们观察到越来越多的深度学习应用于粒子物理和天体物理学中的各种问题。除了典型的古典方法[1]（增强决策树（BDT），支持向量机（SVM），等），最先进的深度学习技术（卷积神经网络，经常性模型，几何深度学习等）已成功地用于各种任务[2，3]。雄心勃勃的高光度LHC（HL-LHC）在未来二十年及以后的计划中将需要巨大的计算资源。询问诸如量子机器学习之类的新技术是否可以帮助克服这一计算挑战，这很有趣。本评论的论文涉及如何在高能量物理学（HEP）中使用量子机学习。我们提供量子计算平台和模拟器的最新开发可用于公共实验，导致对量子算法和应用的研究一般加速。特别是，最近提出了量子算法来应对粒子物理数据处理和分析中面临的计算挑战。除了针对特定任务的明确编写量子算法[4-8]，量子机学习是一种学习量子算法以实现特定任务的方式，类似于经典的机器学习。首先在第2和3节中提供了量子计算和量子机学习领域的概述。我们在第5节中使用量子退火QA回顾了量子机学习算法在粒子物理中的应用。