MétaCan
Menu
Retour à la cohorte
Enregistrement W4392346930 · doi:10.31349/revmexfis.70.021201

A thermo-magnetic bag model for the quark-gluon plasma

2024· article· en· W4392346930 sur OpenAlexfundno aff
Paulina Fernanda Valenzuela-Coronado, Maria Elena Tejeda Yeomans, J. Torres-Arenas

Notice bibliographique

RevueRevista Mexicana de Física · 2024
Typearticle
Langueen
DomaineEngineering
ThématiqueSuperconducting Materials and Applications
Établissements canadiensnon disponible
Organismes subventionnairesInstitut Périmètre de physique théoriqueUniversidad de Guanajuato
Mots-clésPhysicsQuark–gluon plasmaPlasmaParticle physicsGluonNuclear physicsQuarkQuantum electrodynamics

Résumé

récupéré en direct d'OpenAlex

In this work we study the pressure of the quark-gluon plasma (QGP) in the presence of a weak magnetic field, using a minimally enhanced model of a weakly interacting gas of quasi-particles in a thermal bath. We include the magnetic field effects through the quark mass that has been modified using a recently proposed thermo-magnetic coupling. This thermo-magnetic coupling emerges form the quark-gluon vertex in the HTL approximation [1]. We use Lattice QCD [2] data, to constrain the thermo-magnetic bag function of the quasi-particle model and provide an estimate of the thermo-magnetic vacuum energy density. We then compute the transverse pressure of the system and compare with similar results from the literature. We find that the inverse magnetic catalysis already built within this thermo-magnetic coupling allows a robust description of this Lattice QCD data for the pressure of the QGP in the presence of a weak magnetic field. The extension to the thermal quasi-particle model we have introduced here, makes it easier to pursue further phenomenological studies that require simulations with an EoS that has integrable quasi-particle thermodynamic variables which have the general features of lattice data in the weak magnetic field regime.

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 enseignants0,002
Score d'incertitude au seuil0,005

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
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)0,0020,000

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 Opus0,023
Tête enseignante GPT0,248
Écart entre enseignants0,225 · 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

Citations0
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueRevista Mexicana de FísicaMême sujetSuperconducting Materials and ApplicationsTravaux en français237 207