XiaoMi-AI文件搜索系统
World File Search System撞机
为何会纠缠？
在这篇面向大众的文章中，我们提出了一种量子纠缠机制。关键因素是人们熟悉的统计现象，即对撞机偏差或伯克森偏差。在因果模型的语言中，对撞机是一个受两个或多个其他变量因果影响的变量。对撞机进行条件化通常会在其促成因素之间产生非因果关联，即使它们实际上是独立的。很容易证明，在合适的后选集合中，这种现象可以产生类似于贝尔相关性的关联。如果对撞机受到“约束”（例如，受未来边界条件约束），那么这种对撞机伪影也可能成为类似于因果关系的真实联系。我们在量子力学的逆因果模型背景下考虑这些点的时间反转类似物。逆因果关系在 EPR-Bell 粒子对的源头处产生对撞机，在这种情况下，通过正常的实验准备方法可以对对撞机进行约束。由此可见，从实验的一个分支到另一个分支，在这样的对撞机之间可能会出现类似因果关系的联系。我们的假设是，这种受约束的逆因果对撞机偏差是纠缠的起源。这篇文章基于我们在 arXiv:2101.05370v4 [quant-ph] 中首次提出的建议。
QCD 中顶夸克的量子信息
顶夸克代表着独特的高能系统，因为它们的自旋关联可以被测量，从而允许用高能对撞机中的量子比特来研究量子力学的基本方面。这里，我们给出了通过高能对撞机中的量子色动力学 (QCD) 产生的顶-反顶 (t¯t) 夸克对的量子态的一般框架。我们认为，一般来说，在对撞机中可以探测的总量子态是由产生自旋密度矩阵给出的，这必然会产生混合态。我们计算了由最基本的 QCD 过程产生的 at¯t 对的量子态，发现在相空间的不同区域存在纠缠和 CHSH 破坏。我们表明，任何现实的 at¯t 对的强子产生都是这些基本 QCD 过程的统计混合。我们重点关注在 LHC 和 Tevatron 上进行的质子-质子和质子-反质子碰撞的实验相关案例，分析量子态与碰撞能量的依赖关系。我们为纠缠和 CHSH 破坏特征提供实验可观测量。在 LHC 上，这些特征由单个可观测量的测量给出，在纠缠的情况下，这代表违反柯西-施瓦茨不等式。我们将文献中提出的 t¯t 对的量子断层扫描协议的有效性扩展到更一般的量子态和任何产生机制。最后，我们论证了在对撞机中测量的 CHSH 破坏只是一种弱形式
开发了Belle II实验的像素检测器和未来电子峰值线性线性撞机的辐射事件中的顶级夸克质量测量
Belle II实验的检测器和在未来电子峰值事件中的顶级夸克质量质量在其指导下在Colduscular Physics（混合中心瓦伦西亚大学和CSIC）的指导下进行。
用于生成建模和异常检测的量子 - 培训汉密尔顿学习
孤立的量子力学系统的哈密顿量决定了其动力学和身体行为。这项研究研究了学习和利用系统的哈密顿量及其对数据分析技术的变异热状态估计的可能性。为此，我们采用了基于量子的哈密顿模型的方法来模拟大型强子撞机数据的生成建模，并证明了此类数据等混合状态的代表性。在进一步的一步中，我们使用学到的哈密顿量检测进行异常检测，表明不同的样本类型可以形成一旦被视为量子多体系统的不同动态行为。我们利用这些特征来量化样本类型之间的差异。我们的发现表明，可以在机器学习应用程序中使用专为现场理论计算设计的方法来在数据分析技术中采用理论方法。
ATLAS中快速光子淋浴模拟的深层生成模型
抽象需要大规模生产高度准确的模拟事件样本，以在大型强子撞机上进行的ATLAS实验广泛的物理计划激发了新的仿真技术的开发。研究了深度学习算法，变异自动编码器和生成对抗网络的最新成功，以建模地图集电磁量热计对各种能量的光子的响应。使用Geant 4将合成淋浴的特性与完整检测器仿真的淋浴进行了比较。各种自动编码器和生成对抗网络都能够快速模拟具有正确的总能量和随机性的电磁淋浴，尽管某些淋浴形状分布的建模需要更多的改进。这项可行性研究表明，将来使用这种算法进行Atlas快速量热仪模拟的潜力，并显示了一种补充当前模拟技术的可能方法。
在有两个移位的muons的事件中搜索非弹性暗物质，在proton-proton碰撞中缺少横向动量，s = 13 tev
暗物质（DM）的存在得到了观察结果的强烈支持[1-5]，但其性质在很大程度上仍然未知。专用实验（例如，参考文献。[6-9]）已直接搜索DM，但尚未检测到信号。粒子围栏是这项工作的补充工具。在CERN LHC进行了几次搜索DM模型，例如那些预测弱相互作用的质颗粒的模型[10-15]。基于撞机的长寿命颗粒（LLP）的搜索比以前探索的DM模型范围更大[16-26]。这些颗粒可以在检测器内部腐烂之前传播宏观距离，从而留下独特的特征。几种理论机制预测了DM状态的生产和衰减的抑制相空间，这将导致LHC的长期DM现象学[18]。此外，靶向LLP具有降低甚至消除大量标准模型（SM）背景的可观优势，从而提高了对低能最终状态粒子模型的灵敏度，理论上动机良好，但通常具有挑战性的签名[27-30]。
有条件的探测器响应建模的生成机器学习
摘要：在本文中，我们探讨了生成机器学习模型作为计算昂贵的Monte Carlo（MC）模拟的替代品的潜力，该模拟（MC）模拟了大型强子撞机（LHC）实验通常使用的。我们的目标是开发一个能够有效地模拟特定粒子可观察物的检测器响应的生成模型，重点关注同一事件中不同颗粒的检测器响应之间的相关性并适应不对称的检测器响应。我们基于掩盖自回归流链的条件归一化流量模型（CNF），有效地结合了条件变量和高维密度分布。我们使用在LHC上对偶发事件的Higgs玻色子腐烂样品进行了模拟样本评估CNF模型的性能。我们使用涂抹技术创建重建级别的可观察力。我们表明，有条件地归一化的流可以准确地对复杂的检测器响应及其相关性进行建模。此方法可以潜在地减少与生成大量模拟事件相关的计算负担，同时确保生成的事件满足数据分析的要求。我们在https://github.com/allixu/normalizing_flow_flow_for_detector_response
社会游戏行为以特定于区域的方式Bijlsma，Ate塑造前额叶抑制的发展； Vanderschuren，L。； Wierenga，Corette J.
摘要：将在ATLAS实验中安装高粒度定时检测器（HGTD），以减轻大型强子撞机（LHC）在CERN的高光度（HL）期间的堆积效应。低增益雪崩探测器（LGADS）将提供颗粒到HGTD的到达时间的高精度测量值，从而改善粒子范围的分配。为了应对高辐射环境，通过在增益层中添加碳来优化LGAD，从而降低了照射后的受体去除率。来自不同供应商的几种富含碳的LGAD传感器的性能，并以1.5和2的高流量进行照射。5×10 15 N EQ /cm 2，在2021年和2022年的横梁测试活动中已在Cern SPS和Desy中进行了测量。本文介绍了与示波器记录的数据获得的结果，该示波器与光束望远镜同步，该示波器在几μm的分辨率内提供了粒子位置信息。提出了收集的电荷，时间分辨率和效率测量值。此外，还研究了效率均匀性，这是入射粒子在传感器垫中的位置的函数。
Atlas的建筑可扩展分析基础架构
摘要。我们探讨了采用云代表工具和原理，以锻造灵活和可扩展的基础架构，旨在支持分析框架 - 在高光度大型强调撞机（HL-LHC）时代为Atlas实验开发的框架。该项目最终建立了一个联合平台，整合了来自各种提供商的Kubernetes群集，例如Tier-2中心，第3层中心，以及来自国家科学基金会项目的Iris-Hep可伸缩系统实验室。一个统一的接口进行了简化容器化应用程序的管理和缩放。通过与分析效率集成，使Jupyter / Binder笔记本电脑和DASK工人的溢出到TIER-2资源来实现增强的系统可伸缩性。我们调查了“拉伸”（在大型网络）集群模式的灵活部署方案，包括集中式的“灯光管理”模型，Kubernetes服务的远程管理以及完全自主的站点管理的群集方法，以适应各种操作和安全要求。该平台在多群集演示器中展示了其e ffi cacy，以使用Co ff ea，servicex，uproot和dask以及rdataframe等工具进行低延迟分析和高级工作流程，并说明了其支持各种处理框架的能力。该项目还为Atlas软件和计算登机事件提供了强大的用户培训基础架构。