MétaCan
Menu
Retour à la cohorte
Enregistrement W4382775916 · doi:10.1103/physrevd.107.123037

Data-driven muon-calibrated neutrino flux

2023· article· en· W4382775916 sur OpenAlexafffund
Juan Pablo Yáñez, Anatoli Fedynitch

Notice bibliographique

RevuePhysical review. D/Physical review. D. · 2023
Typearticle
Langueen
DomainePhysics and Astronomy
ThématiqueAstrophysics and Cosmic Phenomena
Établissements canadiensUniversity of Alberta
Organismes subventionnairesInstitute for Cosmic Ray Research, University of TokyoJapan Society for the Promotion of ScienceCanada First Research Excellence FundUniversity of TokyoAcademia SinicaWestern Canada Research GridCompute Canada
Mots-clésPhysicsMuonNeutrinoFlux (metallurgy)Nuclear physicsParticle physicsCovarianceMuon neutrinoNeutrino oscillationNeutrino detectorStatistics

Résumé

récupéré en direct d'OpenAlex

In this paper, we present a refined calculation of the atmospheric neutrino flux spanning from GeV to PeV energies. Our method, Daemonflux, utilizes data-driven inputs and incorporates adjustable parameters to take their uncertainties into account. By optimizing these parameters using a combination of muon data and constraints from fixed-target experiments, we achieve uncertainties in the calculated neutrino fluxes of less than 10% up to 1 TeV, with neutrino ratios constrained to below 10%. Our model performs particularly well at energies below 100 GeV, where the smallest errors are obtained. We make our model available as a software package that provides access to predictions of fluxes, ratios, and errors, including the covariance matrix obtained from the fit.

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: Sans objet
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,266
Score d'incertitude au seuil0,999

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0020,001
Bibliométrie0,0000,003
Études des sciences et des technologies0,0000,000
Communication savante0,0000,001
Science ouverte0,0020,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,011

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.

Tête enseignante Opus0,031
Tête enseignante GPT0,402
Écart entre enseignants0,371 · 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

Citations19
Publié2023
Routes d'admission2
Résumé présentoui

Explorer davantage

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