MétaCan
Menu
Retour à la cohorte
Enregistrement W7163028724 · doi:10.6082/k2fdc-6w378

Searching for Dark Matter with the Sudbury Neutrino Observatory

2021· dissertation· en· W7163028724 sur OpenAlexaboutno aff
A. Latorre

Notice bibliographique

RevueUniversity of Chicago · 2021
Typedissertation
Langueen
DomainePhysics and Astronomy
ThématiqueDark Matter and Cosmic Phenomena
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésDark matterNeutrinoObservatoryWarm dark matterWeakly interacting massive particlesHot dark matterPhysics beyond the Standard ModelScalar field dark matter

Résumé

récupéré en direct d'OpenAlex

Dark matter currently makes up approximately 84% of the matter in our universe, but has yet to be observed. A recent model by Grossman, Harnik, Telem, and Zhang proposes a new form of dark matter called self-destructing matter which could decay to standard model leptons after an interaction in Earth. Motivated by this model, in this analysis we perform two distinct analyses looking at high energy events in the Sudbury Neutrino Observatory data between 1999 and 2003. In the first, we perform a null hypothesis test on the data between 20 MeV and 10 GeV to look for any data which is not consistent with atmospheric neutrinos and find no evidence for new physics. In the second analysis we perform a dedicated search for back to back lepton pairs from a slow dark mediator in the self-destructing dark matter model. We find no evidence for the self-destructing dark matter and place new limits on the rate of these events.

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)0,002
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 enseignants0,032
Score d'incertitude au seuil0,064

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0020,002
Études des sciences et des technologies0,0010,000
Communication savante0,0010,001
Science ouverte0,0000,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0040,001

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.

Tête enseignante Opus0,009
Tête enseignante GPT0,207
Écart entre enseignants0,198 · 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
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueUniversity of ChicagoMême sujetDark Matter and Cosmic PhenomenaTravaux en français237 207