MétaCan
Menu
Retour à la cohorte
Enregistrement W4392100141 · doi:10.1088/1748-0221/19/02/t02015

Muon Collider Forum report

2024· article· en· W4392100141 sur OpenAlexaff
K. Black, S. Jindariani, D. Li, Fabio Maltoni, Patrick Meade, D. Stratakis, D. Acosta, R. Agarwal, K. Agashe, C. Aimè, D. Ally, A. Apresyan, A. Apyan, P. Asadi, Dimitrios Athanasakos, Y. Bao, N. Bartosik, E. Barzi, L. A. T. Bauerdick, J. Beacham, S. Belomestnykh, J. Scott Berg, J. Berryhill, A. Bertolin, P. C. Bhat, M. E. Biagini, K. Bloom, T. Bose, A. Bross, E. Brost, N. Bruhwiler, L. Buonincontri, D. Buttazzo, V. Candelise, A. Canepa, R. Capdevilla, L. Carpenter, M. Casarsa, Francesco Giovanni Celiberto, C. Cesarotti, G. Chachamis, Z. Chacko, P. Chang, S. Chekanov, T.Y. Chen, Mauro Chiesa, Timothy Cohen, Marco Costa, Nathaniel Craig, A. Crivellin, C. Curatolo, David Curtin, G. Da Molin, Sridhara Dasu, André de Gouvêa, D. Denisov, R. Dermisek, K. F. Di Petrillo, T. Dorigo, J. Duarte, V. D. Elvira, Rouven Essig, P. Everaerts, JiJi Fan, M. Felcini, G. Fiore, D. Fiorina, M. Forslund, R. Franceschini, Maria Vittoria Garzelli, C. E. Gerber, L. Giambastiani, D. Giove, S. Guiducci, Tao Han, K. Hermanek, C. Herwig, J. Hirschauer, T. R. Holmes, S. Homiller, L. A. Horyn, A. Ivanov, B. Jayatilaka, Haoyi Jia, C. K. Jung, Yonatan Kahn, D.M. Kaplan, Mandeep Kaur, Mayuri Prabhakar Kawale, P. Koppenburg, G. Krintiras, K. Krizka, B. Kuchma, L. Lee, L. Li, P. Li, Q. Li, W. Li, R. Lipton, Zhen Liu, S. Lomte, Qianshu Lu, D. Lucchesi, Tianhuan Luo, K. Lyu, Yang Ma, P. Machado, C. Madrid, D. J. Mahon, A. Mazzacane, N. McGinnis, C. McLean, B. Mele, F. Meloni, Sue Middleton, R.K. Mishra, N. Mokhov, Alessandro Montella, M. Morandin, S. Nagaitsev, Federico Nardi, Mark Neubauer, David Neuffer, H. Newman, R. Ogaz, I. Ojalvo, I. Oksuzian, T. Orimoto, Beren Ozek, K. Pachal, S. Pagan Griso, Paolo Panci, V. Papadimitriou, N. Pastrone, K. Pedro, Frédérique Pellemoine, A. Perloff, D. Pinna, F. Piccinini, M.-A. Pleier, S. Posen, K. Potamianos, S. Rappoccio, Matthew Reece, Laura Reina, A. Reinsvold Hall, C. Riccardi, L. Ristori, Tania Robens, Richard Ruíz, P. Sala, D. Schulte, L. Sestini, Vladimir Shiltsev, P. Snopok, G. H. Stark, J. Stupak, Shufang Su, R. Sundrum, M. Swiatlowski, M. Syphers, A. Taffard, W. Thompson, Y. Torun, C. Tully, I. Vai, M. Valente, U. van Rienen, R. van Weelderen, G. Velev, N. Venkatasubramanian, L. Vittorio, C. Vuosalo, Xiaogang Wang, H. A. Weber, Richard Wu, Yongcheng Wu, Andrea Wulzer, Keping Xie, S. Xie, R. Yohay, K. Yonehara, G. B. Yu, A.V. Zlobin, D. Zuliani, José Zurita

Notice bibliographique

RevueJournal of Instrumentation · 2024
Typearticle
Langueen
DomainePhysics and Astronomy
ThématiqueParticle physics theoretical and experimental studies
Établissements canadiensTRIUMFUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésMuon colliderColliderPhysicsMuonNuclear physicsParticle physicsSuperconducting Super ColliderFrontierHigh energyEnergy (signal processing)Particle acceleratorPolitical science

Résumé

récupéré en direct d'OpenAlex

Abstract A multi-TeV muon collider offers a spectacular opportunity in the direct exploration of the energy frontier. Offering a combination of unprecedented energy collisions in a comparatively clean leptonic environment, a high energy muon collider has the unique potential to provide both precision measurements and the highest energy reach in one machine that cannot be paralleled by any currently available technology. The topic generated a lot of excitement in Snowmass meetings and continues to attract a large number of supporters, including many from the early career community. In light of this very strong interest within the US particle physics community, Snowmass Energy, Theory and Accelerator Frontiers created a cross-frontier Muon Collider Forum in November of 2020. The Forum has been meeting on a monthly basis and organized several topical workshops dedicated to physics, accelerator technology, and detector R&D. Findings of the Forum are summarized in this report.

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)0,006
score de la tête « metaresearch » (Gemma)0,004
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: Sans objet
GenreSignal candidat: Synthèse · Signal consensuel: aucune
Score de désaccord entre enseignants0,085
Score d'incertitude au seuil0,285

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0060,004
Méta-épidémiologie (sens strict)0,0020,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0030,002
Études des sciences et des technologies0,0030,000
Communication savante0,0050,002
Science ouverte0,0020,003
Intégrité de la recherche0,0040,002
Charge utile insuffisante (le modèle a refusé de juger)0,0850,050

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 Opus0,009
Tête enseignante GPT0,297
Écart entre enseignants0,288 · 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

Citations62
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of InstrumentationMême sujetParticle physics theoretical and experimental studiesTravaux en français237 207