論文の概要: Machine Learning for Invisible Dark Boson Searches at the Electron-Ion Collider

• arxiv url: http://arxiv.org/abs/2609.22484v1
• Date: Fri, 18 Sep 2026 18:46:17 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-22 20:29:00.409004
• Title: Machine Learning for Invisible Dark Boson Searches at the Electron-Ion Collider
• Title（参考訳）: 電子イオン衝突型加速器における見えない暗黒ボソン探索のための機械学習
• Abstract要約: 核四分子移動の正の等級である$t$を添加することで、BDTの強化による暗黒ボソン選択の改善が可能か検討する。 我々は,電子-金衝突時の発生器レベルでのコヒーレント排他スカラーとベクトル生成を1核子当たり100GeVでモデル化した。 どちらのメソッドも$t$を使用する場合、BDTは両方のボソンタイプに対して10GeVで最適化されたカットよりも、背景からの信号をわずかに区別する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: We investigate whether adding $t$, the positive magnitude of the squared nuclear four-momentum transfer, enables boosted decision trees (BDTs) to improve invisible-dark-boson selection relative to optimized rectangular cuts at the Electron-Ion Collider. We model coherent exclusive scalar and vector production at generator level in electron-gold collisions at 18 GeV by 100 GeV per nucleon. Both methods use identical weighted samples, inputs, preselection, and optimization objectives. Using only electron information, the BDT provided no consistent advantage over optimized cuts for signal selection across 11 masses for each boson type. When both methods also use $t$, the BDT distinguishes signal from background slightly better than optimized cuts at 10 GeV for both boson types. These results motivate further investigation of machine learning in EIC dark-boson searches through exclusive processes where $t$ can be reconstructed.
• Abstract（参考訳）: 正方形核四分子移動の正等級である$t$を加えることで、Electron-Ion Colliderの最適化長方形カットに対する可視暗黒ボソン選択を改善することができるかどうかを検討する。 我々は, 電子-金衝突時の生成体レベルでのコヒーレント排他スカラーとベクトル生成を1核子当たり100GeVでモデル化した。 どちらの手法も同一の重み付きサンプル、入力、事前選択、最適化の目的を使用する。 電子情報のみを使用して、BDTはボソン型ごとに11質量の信号選択に最適化されたカットに対して一貫した優位性を与えなかった。 どちらのメソッドも$t$を使用する場合、BDTは両方のボソンタイプに対して10GeVで最適化されたカットよりも、背景からの信号をわずかに区別する。 これらの結果は、EICダークボソン検索における機械学習のさらなる研究を動機付け、$t$を再構築できる排他的プロセスを通じて探索する。

関連論文リスト

• Synergistic Development of Perovskite Memristors and Algorithms for Robust Analog Computing [53.77822620185878]
  本稿では,ペロブスカイト・メムリスタの製作を同時に最適化し,ロバストなアナログDNNを開発するための相乗的手法を提案する。 BO誘導ノイズインジェクションを利用したトレーニング戦略であるBayesMultiを開発した。 我々の統合されたアプローチは、より深くより広いネットワークでのアナログコンピューティングの使用を可能にし、最大100倍の改善を実現します。
  論文  参考訳（メタデータ） (2024-12-03T19:20:08Z)
• Quantum Algorithm for Vibronic Dynamics: Case Study on Singlet Fission Solar Cell Design [2.093514818426171]
  実空間における一般的なビブロンハミルトニアンの下での時間発展をシミュレーションするための量子アルゴリズムを提案する。 そこで本研究では,より効率的な一重項核分裂型有機太陽電池の設計のための材料発見パイプラインへのアルゴリズムの初歩的な統合の証明について概説する。
  論文  参考訳（メタデータ） (2024-11-20T19:22:10Z)
• Optimisation of electron irradiation for creating spin ensembles in hexagonal boron nitride [31.788387654121706]
  六方晶窒化ホウ素(hBN)中のホウ素空孔中心(V_rm B-$)アンサンブルは、近年2次元固体量子センサーとしての可能性への関心を集めている。 V_rm B-$生成には照射が必要であるが、これまでは欠陥生成プロセスの最適化に限定された注意しか向けられていない。
  論文  参考訳（メタデータ） (2024-04-23T03:45:18Z)
• High-Fidelity Entangling Gates for Electron and Nuclear Spin Qubits in Diamond [0.0]
  ダイヤモンド中の窒素空孔中心における高速かつ高忠実な密閉ゲートの設計法を提案する。 我々は、欠陥の窒素原子の核スピンの状態に条件付けられたNV電子スピンに対処する際に、2量子ゲートの非共鳴駆動誤差の完全な抑制を予測した。
  論文  参考訳（メタデータ） (2024-03-18T08:07:55Z)
• Compacting Binary Neural Networks by Sparse Kernel Selection [58.84313343190488]
  本稿は,BNNにおけるバイナリカーネルの分散化がほぼ不可能であることを示すものである。 我々は、選択過程をエンドツーエンドに最適化するだけでなく、選択したコードワードの非反復的占有を維持できる置換ストレートスルー推定器(PSTE)を開発した。 実験により,提案手法はモデルサイズとビット幅の計算コストの両方を削減し,同等の予算下での最先端のBNNと比較して精度の向上を実現する。
  論文  参考訳（メタデータ） (2023-03-25T13:53:02Z)
• Quantum probes for the characterization of nonlinear media [50.591267188664666]
  本研究では, 非線形結合 $tildelambda$ および非線形性次数 $zeta$ の個人および共同推定をいかに改善するかを検討する。 量子プローブは非線形媒体のキャラクタリゼーションの精度を高めるための資源であり、現在の技術による潜在的な応用を予見する。
  論文  参考訳（メタデータ） (2021-09-16T15:40:36Z)
• Interpretable discovery of new semiconductors with machine learning [10.09604500193621]
  DARWIN(Deep Adaptive Regressive Weighted Intelligent Network)という実験バンドギャップに対してベンチマークされたハイブリッド機能的DFTデータに基づいて訓練されたマシンラーニングサロゲートモデルを用いた進化的アルゴリズムによる探索を報告する。 この戦略は、対象特性を持つ候補に対して、10$8$3aryと10$11$4ternaries$7$の材料空間の効率的な探索を可能にする。
  論文  参考訳（メタデータ） (2021-01-12T10:23:16Z)
• Sampling-Decomposable Generative Adversarial Recommender [84.05894139540048]
  サンプル分解可能な生成逆数レコメンダ(SD-GAR)を提案する。 本フレームワークでは, 自己正規化重要度サンプリングにより, 生成元と最適値とのばらつきを補償する。 提案アルゴリズムを5つの実世界のレコメンデーションデータセットを用いて広範囲に評価する。
  論文  参考訳（メタデータ） (2020-11-02T13:19:10Z)
• Deterministic Single Ion Implantation with 99.87% Confidence for Scalable Donor-Qubit Arrays in Silicon [44.62475518267084]
  グループVドナースピンは、大規模量子コンピュータデバイスにとって魅力的な量子ビットである。 アイソトピー的に精製された28ドルSi結晶に埋め込まれたグループVドナースピンは、魅力的な量子ビットとなる。 従来の99.87pm0.02$%の信頼性を持つ低エネルギー(14keV)P$+$イオンの注入を実証した。
  論文  参考訳（メタデータ） (2020-09-07T05:23:07Z)

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。