MétaCan
Menu
Retour à la cohorte
Enregistrement W3195666020 · doi:10.48550/arxiv.2108.10950

Di-Higgs and tri-Higgs boson signals of muon $g-2$ at a muon collider

2021· preprint· en· W3195666020 sur OpenAlexaff
Radovan Dermíšek, Keith Hermanek, Navin McGinnis

Notice bibliographique

RevuearXiv (Cornell University) · 2021
Typepreprint
Langueen
DomaineComputer Science
ThématiqueComputational Physics and Python Applications
Établissements canadiensTRIUMF
Organismes subventionnairesnon disponible
Mots-clésPhysicsParticle physicsLeptonHiggs bosonMuonBosonPhysics beyond the Standard ModelStandard Model (mathematical formulation)Nuclear physicsMuon colliderTwo-Higgs-doublet modelElectronParticle accelerator

Résumé

récupéré en direct d'OpenAlex

We show that new physics explanations of the muon $g-2$ anomaly by the contributions of new leptons mediated by the standard model Higgs boson necessarily lead to large rates for $μ^+ μ^- \to hh$ and $μ^+ μ^- \to hhh$ irrespectively of details of the model or the scale of new physics. For new leptons with the same quantum numbers as the standard model leptons, cross sections are expected to be about 240 ab for $μ^+ μ^- \to hh$ independently of the center of mass energy, $\sqrt{s}$, and about 2.7 ab for $μ^+ μ^- \to hhh$ for $\sqrt{s} = 1$ TeV and growing quadratically with $\sqrt{s}$. Predictions for models featuring new leptons with different quantum numbers and for a type-II two Higgs doublet model, where additional Higgs bosons can contribute to muon $g-2$, are also presented.

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)0,001
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 enseignants0,004
Score d'incertitude au seuil0,014

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,000
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0040,000

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 Opus0,057
Tête enseignante GPT0,203
Écart entre enseignants0,146 · 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

Citations1
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuearXiv (Cornell University)Même sujetComputational Physics and Python ApplicationsTravaux en français237 207