MétaCan
Menu
Retour à la cohorte
Enregistrement W2973032276 · doi:10.1016/j.physletb.2019.134929

Magnetic field induced polarization difference between hyperons and anti-hyperons

2019· article· en· W2973032276 sur OpenAlexaff
Yu Guo, Shuzhe Shi, Sheng-Qin Feng, Jinfeng Liao

Notice bibliographique

RevuePhysics Letters B · 2019
Typearticle
Langueen
DomainePhysics and Astronomy
ThématiqueHigh-Energy Particle Collisions Research
Établissements canadiensMcGill University
Organismes subventionnairesNational Natural Science Foundation of ChinaU.S. Department of EnergyNational Science Foundation
Mots-clésPhysicsHyperonPolarization (electrochemistry)Magnetic fieldCollisionNuclear physicsBaryonQuantum mechanics

Résumé

récupéré en direct d'OpenAlex

Recent STAR measurements suggest a difference in the global spin polarization between hyperons and anti-hyperons, especially at relatively low collision beam energy. One possible cause of this difference is the potential presence of in-medium magnetic field. In this study, we investigate the phenomenological viability of this interpretation. Using the AMPT model framework, we quantify the influence of different magnetic field evolution scenarios on the size of the polarization difference in a wide span of collision beam energies. We find that such difference is very sensitive to the lifetime of the magnetic field. For the same lifetime, the computed polarization difference only mildly depends on the detailed form of its evolution. Assuming magnetic polarization as the mechanism to enhance anti-hyperon signal while suppress hyperon signal, we phenomenologically extract an upper limit on the needed magnetic field lifetime in order to account for the experimental data. The so-obtained lifetime values are in a quite plausible ballpark and follow approximately the scaling relation of being inversely proportional to the beam energy. Possible implications on other magnetic field related effects are also discussed.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut 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 enseignants0,003
Score d'incertitude au seuil0,010

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
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)0,0030,000

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 Opus0,018
Tête enseignante GPT0,257
Écart entre enseignants0,239 · 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 source (Gemma direct ou Codex distillé), 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

Citations108
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuePhysics Letters BMême sujetHigh-Energy Particle Collisions ResearchTravaux en français237 207