MétaCan
Menu
Retour à la cohorte
Enregistrement W1813606176 · doi:10.1103/physrevc.92.044903

Collision geometry and flow in uranium + uranium collisions

2015· article· en· W1813606176 sur OpenAlexafffund
A. Goldschmidt, Zhi Qiu, Chun Shen, Ulrich Heinz

Notice bibliographique

RevuePhysical Review C · 2015
Typearticle
Langueen
DomainePhysics and Astronomy
ThématiqueHigh-Energy Particle Collisions Research
Établissements canadiensMcGill University
Organismes subventionnairesNuclear PhysicsNatural Sciences and Engineering Research Council of CanadaOffice of ScienceU.S. Department of Energy
Mots-clésGlauberPhysicsCollisionMonte Carlo methodMultiplicity (mathematics)AsymmetryNuclear physicsStatistical physicsMechanicsGeometryParticle physicsMathematics

Résumé

récupéré en direct d'OpenAlex

Using event-by-event viscous fluid dynamics to evolve fluctuating initial density profiles from the Monte Carlo--Glauber model for U+U collisions, we study the predicted ``knee''-like structure in the elliptic flow as a function of collision centrality. The knee arises in the two-component Monte Carlo--Glauber model when the initial source ellipticity is plotted as a function of centrality. It results from the preferential selection of tip-on-tip collision geometries by a high-multiplicity trigger. We find that the knee survives hydrodynamic evolution, and that it is located around the 0.5% most central collisions as measured by the final charged multiplicity. Such a knee structure is not seen in the STAR data. This rules out the two-component MC-Glauber model for initial energy and entropy production. Hence an enrichment of tip-tip configurations by triggering solely on high-multiplicity in the U+U collisions does not work. On the other hand, by using zero degree calorimeters (ZDCs) coupled with event-shape engineering such a selection is possible. We identify the selection purity of body-body and tip-tip events in full-overlap U+U collisions. By additionally constraining the asymmetry of the ZDC signals we can further increase the probability of selecting tip-tip events in U+U collisions.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,671
Score d'incertitude au seuil0,643

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,034
Tête enseignante GPT0,347
Écart entre enseignants0,313 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations64
Publié2015
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revuePhysical Review CMême sujetHigh-Energy Particle Collisions ResearchTravaux en français237 207