MétaCan
Menu
Retour à la cohorte
Enregistrement W4388409606 · doi:10.21468/scipostphyscore.6.4.075

Snowmass2021 cosmic frontier white paper: Ultraheavy particle dark matter

2023· article· en· W4388409606 sur OpenAlexaff
Daniel Carney, Nirmal Raj, Y. Bai, J. Berger, Carlos Blanco, Joseph Bramante, Christopher V. Cappiello, Maíra Dutra, Reza Ebadi, K. Engel, Edward Kolb, J. Patrick Harding, Jason Kumar, Gordan Krnjaic, R. F. Lang, Rebecca K. Leane, Benjamin V. Lehmann, S. Li, Andrew J. Long, Gopolang Mohlabeng, I. Olcina, E. Pueschel, Nicholas L. Rodd, C. Rott, Dipan Sengupta, Bibhushan Shakya, Ronald L. Walsworth, S. Westerdale

Notice bibliographique

RevueSciPost Physics Core · 2023
Typearticle
Langueen
DomainePhysics and Astronomy
ThématiqueDark Matter and Cosmic Phenomena
Établissements canadiensQueen's UniversityCarleton UniversityPerimeter Institute
Organismes subventionnairesHigh Energy PhysicsOffice of ScienceU.S. Department of Energy
Mots-clésDark matterPhysicsNeutrinoPlanckParticle physicsDetectorCOSMIC cancer databaseMassive particleAstrophysics

Résumé

récupéré en direct d'OpenAlex

We outline the unique opportunities and challenges in the search for “ultraheavy” dark matter candidates with masses between roughly 10 TeV and the Planck scale m_{\rm pl} ≈ 10^{16} TeV. This mass range presents a wide and relatively unexplored dark matter parameter space, with a rich space of possible models and cosmic histories. We emphasize that both current detectors and new, targeted search techniques, via both direct and indirect detection, are poised to contribute to searches for ultraheavy particle dark matter in the coming decade. We highlight the need for new developments in this space, including new analyses of current and imminent direct and indirect experiments targeting ultraheavy dark matter and development of new, ultra-sensitive detector technologies like next-generation liquid noble detectors, neutrino experiments, and specialized quantum sensing techniques.

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)0,002
score de la tête « metaresearch » (Gemma)0,003
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: aucune
GenreSignal candidat: Autre · Signal consensuel: Autre
Score de désaccord entre enseignants0,078
Score d'incertitude au seuil0,262

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,003
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0020,002
Études des sciences et des technologies0,0020,001
Communication savante0,0060,002
Science ouverte0,0010,003
Intégrité de la recherche0,0040,003
Charge utile insuffisante (le modèle a refusé de juger)0,0780,037

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 Opus0,015
Tête enseignante GPT0,239
Écart entre enseignants0,224 · 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'étudeThéorique ou conceptuel
Domainenon disponible
GenreAutre

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

En bref

Citations47
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueSciPost Physics CoreMême sujetDark Matter and Cosmic PhenomenaTravaux en français237 207