MétaCan
Menu
Retour à la cohorte
Enregistrement W4384488786 · doi:10.1146/annurev-nucl-112822-031317

Medium Response and Jet–Hadron Correlations in Relativistic Heavy-Ion Collisions

2023· article· en· W4384488786 sur OpenAlexaff
Shanshan Cao, Guang-You Qin

Notice bibliographique

RevueAnnual Review of Nuclear and Particle Science · 2023
Typearticle
Langueen
DomainePhysics and Astronomy
ThématiqueHigh-Energy Particle Collisions Research
Établissements canadiensInstitute of Particle Physics
Organismes subventionnairesNational Natural Science Foundation of China
Mots-clésPhysicsJet quenchingHadronNuclear physicsQuark–gluon plasmaJet (fluid)PlasmaParticle physicsRelativistic Heavy Ion ColliderThermalisationQuantum chromodynamicsPerturbative QCDLarge Hadron ColliderHeavy ionIonAtomic physicsMechanics

Résumé

récupéré en direct d'OpenAlex

The study of high-energy heavy-ion collisions at the Relativistic Heavy Ion Collider and the Large Hadron Collider has evolved from a qualitative understanding to the precise extraction of the properties of the quantum chromodynamics medium at extremely high temperatures. Jet quenching has offered unique insights into the transport properties of the quark–gluon plasma (QGP) created in these energetic collisions. Apart from medium modification of jets, jet-induced medium excitation constitutes another crucial aspect of jet–QGP interaction and is indispensable in understanding the soft components of jets. We review recent theoretical and phenomenological developments regarding medium response to jet energy loss, including an overview of both weakly and strongly coupled approaches for describing the thermalization and propagation of energy deposition from jets, effects of medium response on jet observables, and exploration of its unique signatures in jet–hadron correlations. Jet-induced medium excitation is shown to be an essential component in probing the in-medium dynamics of jets and a critical step toward precise extraction of the QGP properties.

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: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,001
Score d'incertitude au seuil0,006

Scores du classifieur distillé par catégorie (deux têtes)

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

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 Opus0,022
Tête enseignante GPT0,338
Écart entre enseignants0,317 · 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'étudeSans objet
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations22
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAnnual Review of Nuclear and Particle ScienceMême sujetHigh-Energy Particle Collisions ResearchTravaux en français237 207