PINGU: a vision for neutrino and particle physics at the South Pole
Notice bibliographique
Résumé
Abstract The Precision IceCube Next Generation Upgrade (PINGU) is a proposed low-energy in-fill extension to the IceCube Neutrino Observatory. With detection technology modeled closely on the successful IceCube example, PINGU will provide a 6 Mton effective mass for neutrino detection with an energy threshold of a few GeV. With an unprecedented sample of over 60 000 atmospheric neutrinos per year in this energy range, PINGU will make highly competitive measurements of neutrino oscillation parameters in an energy range over an order of magnitude higher than long-baseline neutrino beam experiments. PINGU will measure the mixing parameters θ 23 and Δ m 32 2 , including the octant of θ 23 for a wide range of values, and determine the neutrino mass ordering at 3 σ median significance within five years of operation. PINGU’s high precision measurement of the rate of ν τ appearance will provide essential tests of the unitarity of the 3 × 3 PMNS neutrino mixing matrix. PINGU will also improve the sensitivity of searches for low mass dark matter in the Sun, use neutrino tomography to directly probe the composition of the Earth’s core, and improve IceCube’s sensitivity to neutrinos from Galactic supernovae. Reoptimization of the PINGU design has permitted substantial reduction in both cost and logistical requirements while delivering performance nearly identical to configurations previously studied.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,003 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,004 | 0,006 |
| Science ouverte | 0,002 | 0,005 |
| Intégrité de la recherche | 0,003 | 0,006 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,021 | 0,011 |
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 source (Gemma direct ou Codex distillé), 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 ».