287398記事公開中

トレンドワード
  2. AIベンチマークリサーチ
  3. 論文研究
  4. J/ψ→p p̄ η崩壊の分岐比の高精度測定（Measurement of the branching fraction of the decay J/ψ → p p̄ η）
2 分で読了
0 views

J/ψ→p p̄ η崩壊の分岐比の高精度測定

（Measurement of the branching fraction of the decay J/ψ → p p̄ η）

さらに深い洞察を得る

AI戦略の専門知識を身につけ、競争優位性を構築しませんか？

AIBR プレミアム
年間たったの9,800円で
“AIに詳しい人”として
一目置かれる存在に！

プレミア会員になって、山ほどあるAI論文の中から効率よく大事な情報を手に入れ、まわりと圧倒的な差をつけませんか？

詳細を見る
【実践型】
生成AI活用キャンプ
【文部科学省認可】
満足度100%の生成AI講座
3ヶ月後には、
あなたも生成AIマスター！

「学ぶ」だけではなく「使える」ように。
経営者からも圧倒的な人気を誇るBBT大学の講座では、3ヶ月間質問し放題！誰1人置いていかずに寄り添います。

詳細を見る

田中専務

拓海先生、先日部下から物理の論文の要約を見せられましてね、J/ψの崩壊とかいう話で「分岐比を測った」と書いてあるんですが、正直ピンと来ないのです。うちがAIを導入するときの投資判断と同じように、要点だけ分かれば良いのですが、これって要するに何が分かったということなのでしょうか？

AIメンター拓海

素晴らしい着眼点ですね！大丈夫、一緒に整理しましょう。結論を先に言うと、この研究は非常に大量のデータを使って、J/ψという粒子がどのくらいの割合でp（陽子）とp̄（反陽子）とη（イータ）に崩壊するかを、以前より精度良く測ったということですよ。

田中専務

大量のデータというのはどのくらいですか。うちで言えば何台の機械を稼働させるイメージか、投資対効果を押さえたいのです。

AIメンター拓海

良い質問ですよ。ざっくり言えば、分析に使ったのは約1.01×10^10（100億に近い）J/ψ事象で、これは

監修者

阪上雅昭（SAKAGAMI Masa-aki）
京都大学　人間・環境学研究科　名誉教授

論文研究シリーズ
前の記事
「話しかけるラバーダック」のような存在：参加型プロンプティング研究による生成AI支援データ分析ワークフローの理解
（“It’s like a rubber duck that talks back”: Understanding Generative AI-Assisted Data Analysis Workflows through a Participatory Prompting Study）
次の記事
プラントドクター：ビデオ映像から植物被害を定量化するハイブリッド機械学習と画像分割ソフトウェア
（Plant Doctor: A hybrid machine learning and image segmentation software to quantify plant damage in video footage）
関連記事
非精確ブレグマン近接点法とその加速版によるアンバランス最適輸送
（An inexact Bregman proximal point method and its acceleration version for unbalanced optimal transport）
継続的パラメータ効率的チューニングのための勾配射影 — Gradient Projection For Continual Parameter-Efficient Tuning
敵対的ポリシーによる強化学習の堅牢性評価に向けて
（Toward Evaluating Robustness of Reinforcement Learning with Adversarial Policy）
文の表現学習における等変自己コントラスト学習
（ESCL: Equivariant Self-Contrastive Learning for Sentence Representations）
ProtoCaps: 高速で非反復的なカプセルネットワークルーティング手法
（ProtoCaps: A Fast and Non-Iterative Capsule Network Routing Method）
生体医療光学画像の復元のためのステップ較正拡散
（Step-Calibrated Diffusion for Biomedical Optical Image Restoration）
この記事をシェア

有益な情報を同僚や仲間と共有しませんか？

AI技術革新 - 人気記事
ブラックホールと量子機械学習の対応
（Black hole/quantum machine learning correspondence）
  • 論文研究
生成AI検索における敏感なユーザークエリの分類と分析
（Taxonomy and Analysis of Sensitive User Queries in Generative AI Search System）
  • 論文研究
DiReDi：AIoTアプリケーションのための蒸留と逆蒸留
（DiReDi: Distillation and Reverse Distillation for AIoT Applications）
  • 論文研究

PCも苦手だった私が

“AIに詳しい人“
として一目置かれる存在に！
  • AIBRプレミアム
  • 実践型生成AI活用キャンプ
あなたにオススメのカテゴリ
論文研究
最新記事
QMCによる変分推論の高速化
（Quasi-Monte Carlo Variational Inference）
  • 論文研究
Conditional Neural Processes
（Conditional Neural Processes）
  • 論文研究
観察者の脳波からエラー情報を読み解く際のロボット設計の影響
（The role of robot design in decoding error-related information from EEG signals of a human observer）
  • 論文研究
BayesGradによるグラフCNN予測の説明
（BayesGrad: Explaining Predictions of Graph Convolutional Networks）
  • 論文研究
SEN1-2データセットによるSAR-光学データ融合の深層学習
（THE SEN1-2 DATASET FOR DEEP LEARNING IN SAR-OPTICAL DATA FUSION）
  • 論文研究
二次
（Quadratic）ニューラルネットワークとファジィ論理の接点（Quadratic Neural Networks and Fuzzy Logic）
  • 論文研究
さらに深い洞察を得る

AI戦略の専門知識を身につけ、競争優位性を構築しませんか？

AIBR プレミアム
年間たったの9,800円で
“AIに詳しい人”として一目置かれる存在に！

プレミア会員になって、山ほどあるAI論文の中から効率よく大事な情報を手に入れ、まわりと圧倒的な差をつけませんか？

詳細を見る
【実践型】
生成AI活用キャンプ
【文部科学省認可】
満足度100%の生成AI講座
3ヶ月後には、あなたも生成AIマスター！

「学ぶ」だけではなく「使える」ように。
経営者からも圧倒的な人気を誇るBBT大学の講座では、3ヶ月間質問し放題！誰1人置いていかずに寄り添います。

詳細を見る

AI Benchmark Researchをもっと見る

今すぐ購読し、続きを読んで、すべてのアーカイブにアクセスしましょう。

続きを読む