Factorizing Charm Production in Proton-Proton Collisions with PYTHIA
Notice bibliographique
Résumé
In this thesis, proton-proton collisions at 7 TeV are simulated using PYTHIA. Charm and anticharm quarks are identified as being produced from direct, meaning that the charm and anticharm are pair produced by a hard scattering, or indirect interactions where the charm and anticharm pair is produced from the splitting of a single gluon. This data is used to generate a pT spectrum and correlation functions for rapidity and the azimuthal angle. The relative contributions of the direct and indirect processes to the histograms are then tuned to better match the experimental data taken from the LHCb. The goal is to obtain a more accurate fraction of direct to indirect interactions that produce charm quarks in proton-proton collisions. The direct to indirect production fraction was determined to be 0.54, which is significantly lower than the fraction estimated by PYTHIA, as that was 1.28. The overall shapes of the correlation functions and pT spectra did follow the LHCb data; however, for small values of |∆ϕ| and |∆y|, the correlation functions had lower magnitudes compared to the experimental data. Furthermore, the simulated PYTHIA data created more charm and anticharm quarks at low pT compared to what was measured in the LHCb, causing some of the discrepancy. This suggests that further refinement is needed to make the simulation more accurate to model charm and anticharm production from proton-proton collisions properly.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 0,001 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».