MétaCan
Menu
Retour à la cohorte
Enregistrement W4417150446 · doi:10.48550/arxiv.2503.16735

ATLAS Micromegas Performance Studies with LHC Run3 Data

2025· preprint· en· W4417150446 sur OpenAlexaff
S. Francescato

Notice bibliographique

RevueArXiv.org · 2025
Typepreprint
Langueen
DomainePhysics and Astronomy
ThématiqueParticle Detector Development and Performance
Établissements canadiensIONICS Mass Spectrometry (Canada)
Organismes subventionnairesnon disponible
Mots-clésMicroMegas detectorLarge Hadron ColliderUpgradeDetectorATLAS experimentMuonAtlas (anatomy)Tracking (education)

Résumé

récupéré en direct d'OpenAlex

After successfully completing Phase I upgrades during LHC Long Shutdown 2, the ATLAS detector is back in operation with several upgrades implemented. The most important and challenging upgrade is in the Muon Spectrometer, where the two inner forward muon stations have been replaced with the New Small Wheels (NSW) system. One of the two detector technologies used in the NSW are the resistive Micromegas (MM). After massive construction, testing and installation work in ATLAS, the Micromegas are now fully operational in the experiment participating in the muon spectrometer tracking and trigger systems. A huge effort has gone into the operation of the new data acquisition system, as well as the implementation of a new processing chain within the muon software framework. Tracking is performed with full consideration of the absolute alignment of each individual detector module by the ATLAS Muon Spectrometer optical alignment system. All the deviations from the nominal geometry of all the constituent elements of each MM module are accounted for through the modelling of the real chamber geometry reconstructed from the information of the construction databases. After an overview of the strategies adopted for the simulations and reconstruction, the studies on the performance of the MM in LHC run-3 data taken from 2022 to 2024 will be reported.

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)0,004
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: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,026
Score d'incertitude au seuil0,052

Scores du classifieur distillé par catégorie (deux têtes)

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

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 Opus0,094
Tête enseignante GPT0,313
Écart entre enseignants0,219 · 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'étudeObservationnel
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
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueArXiv.orgMême sujetParticle Detector Development and PerformanceTravaux en français237 207