MétaCan
Menu
Retour à la cohorte
Enregistrement W4391124576 · doi:10.1103/physrevc.109.014907

Rapidity scan with multistage hydrodynamic and statistical thermal models

2024· article· en· W4391124576 sur OpenAlexafffund
Lipei Du, Han Gao, Sangyong Jeon, Charles Gale

Notice bibliographique

RevuePhysical review. C · 2024
Typearticle
Langueen
DomainePhysics and Astronomy
ThématiqueHigh-Energy Particle Collisions Research
Établissements canadiensMcGill University
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésRapidityHadronizationPhysicsPseudorapidityThermalNuclear physicsBeam (structure)Particle physicsDistribution (mathematics)Phase diagramPhase (matter)ThermodynamicsCharged particleHadronQuantum mechanicsOptics

Résumé

récupéré en direct d'OpenAlex

We calibrate a ($3+1$)-dimensional multistage hybrid framework using the measured pseudorapidity distribution of charged particles and rapidity distribution of net protons for central Au $+$ Au collisions at $\sqrt{{s}_{NN}}=7.7,\phantom{\rule{0.16em}{0ex}}19.6,\phantom{\rule{0.16em}{0ex}}62.4,\phantom{\rule{0.16em}{0ex}}200$ GeV. We then study the thermodynamic properties of the nuclear matter along the beam direction, and the phase diagram regions probed by the hadronization process near the chemical freeze-out. Using the rapidity-dependent thermal yields of identified particles with full rapidity coverage from the hybrid framework, we apply different scenarios of the statistical thermal model to extract the thermodynamic parameters at the freeze-out, with the known system properties from the hybrid model as a closure test. We find significant theoretical uncertainties in the thermal models when applied to regions away from midrapidity. We also propose a thermal model inspired by the hybrid approach that includes thermal smearing and longitudinal flow for the nuclear matter created at low beam energies.

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)0,003
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,011
Score d'incertitude au seuil0,021

Scores du classifieur distillé par catégorie (deux têtes)

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

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 Opus0,015
Tête enseignante GPT0,341
Écart entre enseignants0,326 · 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

Citations20
Publié2024
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revuePhysical review. CMême sujetHigh-Energy Particle Collisions ResearchTravaux en français237 207