MétaCan
Menu
Retour à la cohorte
Enregistrement W1935085000 · doi:10.1103/physrevd.93.063523

Discovering inelastic thermal relic dark matter at colliders

2016· article· en· W1935085000 sur OpenAlexafffund
Eder Izaguirre, Gordan Krnjaic, Brian Shuve

Notice bibliographique

RevuePhysical review. D/Physical review. D. · 2016
Typearticle
Langueen
DomainePhysics and Astronomy
ThématiqueDark Matter and Cosmic Phenomena
Établissements canadiensPerimeter Institute
Organismes subventionnairesIndustry CanadaOntario Ministry of Research, Innovation and ScienceGovernment of Canada
Mots-clésDark matterPhysicsParticle physicsThermalNuclear physicsMeteorology

Résumé

récupéré en direct d'OpenAlex

Dark Matter particles with inelastic interactions are ubiquitous in extensions of the Standard Model, yet remain challenging to fully probe with existing strategies. We propose a series of powerful searches at hadron and lepton colliders that are sensitive to inelastic dark matter dynamics. In representative models featuring either a massive dark photon or a magnetic dipole interaction, we find that the LHC and BABAR could offer strong sensitivity to the thermal relic dark matter parameter space for dark matter masses between $\ensuremath{\sim}100\text{ }\text{ }\mathrm{MeV}$ and 100 GeV and fractional mass-splittings above the percent level; future searches at Belle II with a dedicated monophoton trigger could also offer sensitivity to thermal relic scenarios with masses below a few GeV. Thermal scenarios with either larger masses or splittings are largely ruled out; lower masses remain viable yet may be accessible with other search strategies.

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 candidatesMéta-épidémiologie (sens strict), Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,569
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0020,001
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0010,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,008

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 Opus0,010
Tête enseignante GPT0,348
Écart entre enseignants0,339 · 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.

Devis d'étudeSans objet
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

Citations139
Publié2016
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revuePhysical review. D/Physical review. D.Même sujetDark Matter and Cosmic PhenomenaTravaux en français237 207