MétaCan
Menu
Retour à la cohorte
Enregistrement W4386829204 · doi:10.1103/physrevd.108.063022

Light dark matter accumulating in planets: Nuclear scattering

2023· article· en· W4386829204 sur OpenAlexafffund
Joseph Bramante, Jason Kumar, Gopolang Mohlabeng, Nirmal Raj, Ningqiang Song

Notice bibliographique

RevuePhysical review. D/Physical review. D. · 2023
Typearticle
Langueen
DomainePhysics and Astronomy
ThématiqueDark Matter and Cosmic Phenomena
Établissements canadiensSimon Fraser UniversityQueen's UniversityTRIUMFArthur B. McDonald-Canadian Astroparticle Physics Research InstitutePerimeter Institute
Organismes subventionnairesScience and Technology Facilities CouncilNational Research Council CanadaInstitut Périmètre de physique théoriqueNatural Sciences and Engineering Research Council of CanadaGovernment of CanadaMinistry of Colleges and UniversitiesUniversity of LiverpoolNational Natural Science Foundation of ChinaCanada Foundation for InnovationNational Science FoundationTRIUMFU.S. Department of EnergyInnovation, Science and Economic Development Canada
Mots-clésPhysicsDark matterLight dark matterScalar field dark matterHot dark matterMixed dark matterPlanetDark fluidWarm dark matterBaryonic dark matterAstrophysicsDark energyCosmology

Résumé

récupéré en direct d'OpenAlex

We present, for the first time, a complete treatment of strongly interacting dark matter capture in planets, taking Earth as an example. We focus on light dark matter and the heating of Earth by dark matter annihilation, addressing a number of crucial dynamical processes which have been overlooked, such as the ``ping-pong effect'' during dark matter capture. We perform full Monte Carlo simulations and obtain improved bounds on strongly-interacting dark matter from Earth heating and direct detection experiments for both spin-independent and spin-dependent interactions, while also allowing for the interacting species to make up a subcomponent of the cosmological dark matter.

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 seuil0,009

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,001
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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 Opus0,017
Tête enseignante GPT0,379
Écart entre enseignants0,362 · 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

Citations25
Publié2023
Routes d'admission2
Résumé présentoui

Explorer davantage

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