XiaoMi-AI文件搜索系统
World File Search System对撞机
使用机器学习方法在高能量物理学中的数据分析
这个科学启动项目涉及使用机器学习（ML）方法对蒙特卡洛（MC）数据集进行分析。该数据集由实验性Hadronic Physics Group（Hadrex）与Alice实验直接合作，该实验与大型强子对撞机（LHC）直接合作。该研究专门针对多震颤的重子（例如ξ⁻，ξ⁺等）以及随后的衰减，这是一个称为“级联衰变”的过程。主要目的是使用生成机器学习模型通过其次要衰减来重建这些粒子。通过综合与实验观察相吻合的现实数据，该项目旨在优化常规的高能物理学分析并增强数据分析算法，以搜索稀有可观察物。为了应对这一挑战，采用了条件表格生成对抗网络（CTGAN）模型。结果表明，CTGAN在复制可变分布的同时有效地保留了原始数据的物理和内在相关性，从而增强了其改善高能物理学数据驱动研究的潜力。
id Manchester SRF
第6节。基于地点原理45简介46原理1。人类对撞机47原理2。Connected, open and accessible 49 Principle 3: A living landscape 54 Principle 4: A flexible framework for flexible buildings 59 Principle 5: Platform for the future, built on foundations of the past 61 Principle 6: Curated Commons 68 Principle 7: Critical mass 72 Principle 8: An identity that expresses purpose and place 75 Principle 9: Sustainable and regenerative 78 Principle 10: Creative meanwhile use of buildings and spaces 81第7节。说明性总体规划83简介85 Sackville Street大楼和Vimto Park 86 Altrincham Street，Arches and London Road 90 Shore Sparen Spane Spares Spare Spaces在IDM 94 Water Street 98连接路线和空间101 South-West Quarts 102 102节8.说明性交付计划104说明性递送计划105词汇表106词汇表107
用于LHC
摘要 - 大型强子对撞机（LHC）的LumInosity升级的重组Dipoles D2（MBRD）是将双光圈磁体放置在ATLAS和CMS实验的每一侧，沿着磁性长度为7.78 m，并产生4.5 t的磁性长度为7.78 m，并且钻头0iemia表的105 mm。其开发计划预见了短1.6 m长的型号，其次是原型和一系列6磁铁。磁铁设计是在INFN Genova与CERN的合作框架进行的，该行业的建设正在进行中（ASG超导体，意大利）。在CERN进行了成功的功率测试后，简短的模型活动才完成，而原型正处于构造阶段。在此贡献中，将描述D2磁铁的主要特征，并强调了原型在短模型设计中实现的改进。然后，将提出电源测试的主要结果，重点是训练性能，保护方案有效性和磁性测量。
利用 ! 超子的自旋极化探索早期纵向动力学
我们系统地研究了流体动力学模拟中超子全局极化对碰撞系统初始纵向流速的敏感性。通过在将初始碰撞几何映射到宏观流体动力学场时明确施加局部能量动量守恒，我们研究了系统的轨道角动量 (OAM) 和流体涡度的演变。我们发现，同时描述 ! 超子的全局极化和介子定向流的斜率可以强烈限制流体动力学演化开始时纵向流的大小。我们利用 BNL 相对论重离子对撞机的光束能量扫描程序中的 STAR 测量结果，提取了初始纵向流的大小和产生的夸克胶子等离子体流体中轨道角动量分数与碰撞能量的关系。我们发现在流体动力学演化开始时，中快速度流体中剩余约 100–200 ¯ h OAM。我们进一步研究了不同的流体动力学梯度对 ! 和 ¯ ! 自旋极化的影响。µ B / T 的梯度可以改变 ! 和 ¯ ! 极化之间的排序。
用原子状态干涉仪测量矢量梁的光学并发
来自有或没有错过横向动量（E MISS T）的各种搜索的广泛搜索结果，用于限制一个两higgs-doublet模型（2HDM），并介导了普通和暗物质和暗物质（2HDM+ a）之间的相互作用，并介导相互作用。在2015 - 2018年期间，在大型强子对撞机的Atlas检测器记录的质子 - 质子碰撞数据中，质子 - 普罗顿碰撞数据的分析最多可消耗139 fb 1。三个最敏感搜索的结果是统计上的。这些搜索目标特征是带有巨大的t和lepton腐烂的Z玻孔；大小姐T和Higgs玻色子腐烂到底部的夸克；并分别在最终的夸克和底部夸克的最终状态下产生带电的希格斯玻色子。的约束是针对2HDM+ a中几个常见和新基准的场景得出的。2024科学中国出版社。由Elsevier B.V.和Science China Press出版。这是CC下的开放访问文章（http://creativecommons.org/licenses/4.0/）。
![arxiv：2401.16208v1 [hep-ph] 2024年1月29日](/simg/c\c892bb3e7837bb02ea448926724b7b4181832ccc.webp)
arxiv：2401.16208v1 [hep-ph] 2024年1月29日
量子算法最近成为有希望解决粒子物理领域复杂问题的有前途的途径[1]。在高能量壁炉中发生的事件，例如CERN的大型强子对撞机（LHC），通常通过根据其子过程的特征能量量表进行分解来分析它们。在这方面，量子算法在粒子物理学中的最新应用已经考虑了碰撞的特定方面。例如，已经探索了量子算法以进行轨道重建[2、3、4]和喷气聚类[5、6、7、8]，包括分析在培养基中[9，10，11]中的JET形成。的应用还包括Parton阵雨[12、13、14]，量子机学习[15、16、17]的模拟以及Parton密度的确定[18]。在大多数理论方面，量子算法已被用于评估螺旋性振幅[19]和基本过程的颜色代数[20]，并已应用于选择Multiloop Feynman Dia-Grams的因果构型[21，22，22，23，23，24]。这也关注量子积分器[25，26，27]，包括它们在循环Feynman积分中的应用[28]。
量子图神经网络方法实现粒子径迹重建
预计高亮度大型强子对撞机 (HL-LHC) 实验的跟踪探测器所需的计算复杂度和数据规模将空前增加。虽然目前使用的基于卡尔曼滤波器的算法在同时发生的碰撞数量、占用率和可扩展性（比二次方差）的模糊性方面已达到极限，但人们正在探索各种用于粒子轨迹重建的机器学习方法。HEP.TrkX 之前使用 TrackML 数据集证明，图形神经网络通过将事件处理为连接轨迹测量的图形，可以通过将组合背景减少到可管理的数量并扩展到计算上合理的大小来提供有希望的解决方案。在之前的工作中，我们展示了量子计算对图形神经网络进行粒子轨迹重建的首次尝试。我们旨在利用量子计算的能力同时评估大量状态，从而有效地搜索大型参数空间。作为本文的下一步，我们提出了一种改进的模型，采用迭代方法来克服初始过度简化的树张量网络 (TTN) 模型的低精度收敛问题。
论希格斯机制的性质和起源
本文从量子信息论和扩展量子引力的角度对希格斯机制进行了新的重新解释。我们提出，希格斯场源自量子引力自由度的纠缠结构，自发对称性破坏是复杂性阈值现象。我们的框架将量子信息测量直接引入引力场方程，从而对时空作为一种源于量子信息的突发现象有了新的理解。我们开发了一种数学形式，将希格斯势和耦合与量子纠缠熵和复杂性联系起来，预测了标准模型物理的特定量子引力修正。我们的方法为层次问题和宇宙常数问题等长期存在的问题提供了潜在的解决方案，同时通过全息视角提出了粒子物理学和宇宙学之间的深层联系。本文概述了测试我们理论的实验方案，包括未来对撞机的精确希格斯测量、宇宙学观测和量子模拟。我们还探索了我们的框架的哲学含义，挑战了物理定律的传统观念和现实本身的本质。
![arXiv:2402.16574v1 [hep-ph] 2024 年 2 月 26 日](/simg/a\ae530d5ca490a4a77451b8beb87eb4dda70ae779.webp)
arXiv:2402.16574v1 [hep-ph] 2024 年 2 月 26 日
量子信息科学 (QIS) 的快速发展为探索基础物理学开辟了新途径。量子非局域性是区分量子信息与经典信息的一个关键方面，它已在粒子衰变中通过违反贝尔型不等式进行了广泛的研究。尽管取得了这些进展，但仍然缺乏基于量子信息理论的粒子相互作用综合框架。为了弥补这一差距，我们引入了自旋 1/2 超子衰变过程的广义量子测量描述。我们通过将该方法与已建立的理论计算相结合来验证该方法，并将其应用于相关 Λ ¯ Λ 对的联合衰变。我们使用量子模拟来观察超子衰变中 CHSH 不等式的违反。我们的广义测量描述具有适应性，可以扩展到各种高能过程，包括北京正负电子对撞机 (BEPC) 的北京光谱仪 III (BESIII) 实验中的矢量介子衰变 J/ψ、ψ (2 S ) → Λ ¯ Λ 。本研究开发的方法可应用于基本相互作用中的量子关联和信息处理。
使用混合量子嵌入粒子跟踪数据
摘要。与目前的 LHC 实验综合体相比，CERN 的高亮度大型强子对撞机 (HL-LHC) 的复杂性和数据量将显著增加。因此，由于同时发生的碰撞次数和随之而来的探测器占用率增加，重建粒子轨迹的任务将变得更加复杂。为了识别粒子路径，HEP.TrkX 项目及其后继项目 Exa.TrkX 正在探索图神经网络等机器学习技术。两者都显示出有希望的结果并降低了问题的组合性质。我们团队先前的结果证明了应用量子图神经网络根据探测器的命中重建粒子轨迹的成功尝试。通过在嵌入空间内以有意义的方式表示训练数据，可以获得更高的整体精度。这已通过应用经典 MLP 包含在 Exa.TrkX 项目中。因此，属于不同轨迹的命中对被推开，而属于相同轨迹的命中对则保持靠近。我们探索了包含相对较少量子比特的变分量子电路在嵌入任务中适用于 NISQ 设备的适用性，并展示了初步结果。