論文の概要: Collider Spin Tomography with Missing Neutrinos
- arxiv url: http://arxiv.org/abs/2607.28346v1
- Date: Thu, 30 Jul 2026 15:18:12 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-08-05 15:30:22.854334
- Title: Collider Spin Tomography with Missing Neutrinos
- Title（参考訳）: 脱落ニュートリノを用いた衝突型スピントモグラフィ
- Abstract要約: 生成スピン密度行列の粗粒化正値値測定として, 目に見えない粒子から生じる運動的あいまいさの下での可視測定を定式化する。
情報損失は、結果の可視データマップのヌル空間によって制御され、キネマティックな解の数によって制御される。
- 参考スコア（独自算出の注目度）: 23.51923401381968
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Missing neutrinos need not destroy collider spin tomography. We formulate the visible measurement under kinematic ambiguities arising from invisible particles as a coarse-grained positive-operator-valued measure on the production spin density matrix. We show that information loss is governed by the null space of the resulting visible-data map, not by the number of kinematic solutions. In $e^+e^-\toτ^+τ^-\toπ^+π^-+ν\barν$, the twofold ambiguity leaves only the antisymmetric spin-correlation combination $C_{nr}-C_{rn}$ unidentifiable, while the differential production rate and the remaining fourteen spin coefficients are identifiable. For practical reconstruction under kinematic ambiguities, we develop a self-consistent fixed-point unfolding method using only visible data, without assuming a theoretical production template. Closure tests in Standard Model and anomalous tau-dipole benchmarks show that the method reproduces the truth-level differential production rate and all identifiable spin coefficients, whereas the usual flat average over kinematic folds gives significantly biased reconstructions. When a nontrivial null space is present, the reconstructed identifiable subspace together with positivity yields controlled ranges for concurrence and the CHSH parameter.
- Abstract（参考訳）: ニュートリノの欠失は、コライダースピントモグラフィーを破壊する必要はない。
生成スピン密度行列の粗粒化正値値測定として, 目に見えない粒子から生じる運動的あいまいさの下での可視測定を定式化する。
情報損失は、結果の可視データマップのヌル空間によって制御され、キネマティックな解の数によって制御される。
e^+e^-\toτ^+τ^-\toπ^+π^-+ν\barν$ では、2重のあいまいさは反対称スピン相関結合 $C_{nr}-C_{rn}$ のみを残し、差分生成速度と残りの14スピン係数は同定可能である。
運動的あいまいさ下での実用的再構築のために,理論的な生成テンプレートを仮定することなく,可視データのみを用いた自己整合的不動点展開法を開発した。
標準モデルと異常なタウ双極子ベンチマークにおけるクロージャテストは、この手法が真相レベルの微分生成速度とすべての特定可能なスピン係数を再現することを示している。
非自明なヌル空間が存在するとき、再構成可能部分空間と正の積とが共起する制御範囲とCHSHパラメータを得る。
関連論文リスト
- Causal inference for group-contaminated structured outcomes: observable quotients, lossless reduction and exact randomization inference [0.0]
制限のない観測モデル X = について検討する。
Y(A)はその観測可能な情報を特徴付ける。
商-忠実復元定理は、完全変換実験には商還元が十分であることを示す。
論文 参考訳（メタデータ） (2026-08-12T11:39:50Z) - Intrinsic Structure: Spectral Identifiability for Mechanistic Interpretability [51.56484100374058]
機械論的解釈可能性プリミティブに対する最初の識別可能性定理を証明した。
スペクトルは、正当性分解ではなく、記述されたエラーバーを持つ識別可能なモデル固有の指紋である。
論文 参考訳（メタデータ） (2026-08-10T19:42:01Z) - Distributionally Faithful Imputation via Positive Semi-Definite Kernel Density Estimation [55.47411235954028]
マスク観測による密度推定では,不規則に不規則に不規則な計算を行う。
我々は,ニュートン内点法で解ける閉じた形状の辺縁を持つ凸型経験的リスク問題を得る。
結果のPSDインプットモデルでは、同一の入射密度から単一および多重インプットが得られる。
論文 参考訳（メタデータ） (2026-07-08T15:51:05Z) - Disentangling Continuous-Time Latent Dynamics: Identifiability of Latent SDEs via Diffusion Shifts [60.95873409673775]
連続時間潜在微分方程式モデルにおける識別可能性はほとんど開のままである。
未知の非線形微分同相を通じて観測される付加ノイズ潜在SDEについて検討した。
本稿では,2段階の遅延不整合とグラフ復元のための推定器を提案する。
論文 参考訳（メタデータ） (2026-06-26T16:18:28Z) - Sequential Spatiotemporal Magnetic-Field Reconstruction via Quantum Hamiltonian Learning with NV-Center Spin-1 Hamiltonians [0.0]
動的2次元磁場マップのための量子ハミルトニアン学習に基づく逐次再構成フレームワークを提案する。
局所的な測定は、局所磁場値と共有双極子結合パラメータによって支配される窒素空隙スピンダイナミクスによって生成される。
その結果、試験対象のフィールドクラスの実現可能性を示し、結合推定を主な識別可能性ボトルネックとして同定した。
論文 参考訳（メタデータ） (2026-05-22T10:13:04Z) - Provably Learning Diffusion Models under the Manifold Hypothesis: Collapse and Refine [60.669081685261965]
拡散モデルは、顕著な品質で高次元データを生成する。
彼らのトレーニングがいかに効率的にスコア関数を学習するかは理論的には説明がつかないままである。
我々はこの原理をScore-induced Latent Diffusion (SiLD)として定式化する。
論文 参考訳（メタデータ） (2026-05-16T16:51:10Z) - From Video-to-PDE: Data-Driven Discovery of Nonlinear Dye Plume Dynamics [0.0]
ビデオから直接連続体モデルを推定することは、2つの事実によって妨げられる。
我々は、インク配管のグレースケール記録を正規化されたスカラー場に変換するビデオ・ツー・PDEパイプラインを開発した。
探索,キャリブレーション,不確実性を異なる段階として扱うと,非校正された視覚データがコンパクトで予測的かつ構造的に解釈可能な連続体モデルが得られることを示す。
論文 参考訳（メタデータ） (2026-05-06T06:23:59Z) - Generative Modeling under Non-Monotonic MAR Missingness via Approximate Wasserstein Gradient Flows [6.221876252052772]
MAR(Missing at Random)の値を持つデータセットから完全なデータセットを生成するための原則的反復法を提案する。
FLOWGEMは、観測されたデータ分布と、異なる欠落パターンにおける生成したサンプルの分布との予測KL(Kullback-Leibler)のばらつきを最小化する。
これは、モノトニックなMARメカニズムの挑戦的なケースを含む、さまざまな設定で最先端のパフォーマンスを実現する。
論文 参考訳（メタデータ） (2026-04-06T09:56:08Z) - Detecting Unobserved Confounders: A Kernelized Regression Approach [46.52607207396279]
Kernel Regression Confounder Detection (KRCD) は、単一環境下での非線形観測データにおける観測不能なコンバウンディングを検出する新しい方法である。
ゼロからの有意な偏差が観測不能な共起を示すテスト統計学。
合成ベンチマークとツインズデータセットの実験は、KRCDが既存のベースラインを上回るだけでなく、計算効率も優れていることを示した。
論文 参考訳（メタデータ） (2026-01-01T04:26:02Z) - Kernel-Smoothed Scores for Denoising Diffusion: A Bias-Variance Study [3.265950484493743]
拡散モデルは暗記しがちである。
スコアの正規化は、トレーニングデータセットのサイズを増やすのと同じ効果がある。
この視点は、拡散をデノナイズする2つの規則化機構を強調する。
論文 参考訳（メタデータ） (2025-05-28T20:22:18Z) - Orthogonal Matrix Retrieval with Spatial Consensus for 3D Unknown-View
Tomography [58.60249163402822]
未知視トモグラフィ(UVT)は、未知のランダムな向きで2次元投影から3次元密度マップを再構成する。
提案したOMRはより堅牢で、従来の最先端のOMRアプローチよりも大幅に性能が向上している。
論文 参考訳（メタデータ） (2022-07-06T21:40:59Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。