Model for hypernucleus production in heavy ion collisions
Notice bibliographique
Résumé
We estimate the production cross sections of hypernuclei in projectile-like fragments (PLFs) in heavy ion collisions. The discussed scenario for the formation cross section of a $\ensuremath{\Lambda}$ hypernucleus is (a) $\ensuremath{\Lambda}$ particles are produced in the participant region but have a considerable rapidity spread and (b) $\ensuremath{\Lambda}$ with rapidity close to that of the PLF and total momentum (in the rest system of the PLF) up to Fermi motion can then be trapped and produce hypernuclei. Process (a) is considered here within the heavy ion jet interaction generator (HIJING/B$\overline{\mathrm{B}}$) model, and process (b) in the canonical thermodynamic model (CTM). We estimate the production cross sections for a hypernucleus ${}_{\ensuremath{\Lambda}}^{{A}_{F}}Z$ where $Z=1$, $2$, $3$, and $4$ for C $+$ C at total nucleon-nucleon center of mass (c.m.) energy $\sqrt{{s}_{\mathit{NN}}}=3.7$ GeV, and for Ne $+$ Ne and Ar $+$ Ar collisions at $\sqrt{{s}_{\mathit{NN}}}=5.0$ GeV. By taking into account explicitly the impact parameter dependence of the colliding systems, it is found that the cross section is different from that predicted by the coalescence model, and large discrepancy is obtained for ${}_{\ensuremath{\Lambda}}^{6}$He and ${}_{\ensuremath{\Lambda}}^{9}$Be hypernuclei.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».