3 分で読了
0 views

ηc

(2S)およびhcの崩壊における研究とχcJ→p-p̅のブランチング比の測定 (Search for the $η_c(2S)/h_c o par{p}$ decays and measurements of the $χ_{cJ} o par{p}$ branching fractions)

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

ケントくん

マカセロ博士、今度の論文は素粒子についての話なんだって?

マカセロ博士

そうじゃ。今回はηc(2S)とhcという粒子の崩壊についての研究なんじゃよ。

ケントくん

でも、それって具体的に何がすごいんだ?

マカセロ博士

それは粒子の崩壊パターンを測定することで、宇宙の基本的な法則を理解する手がかりが得られるからなんじゃ。特に、χcJという別の粒子の崩壊確率(ブランチング比)も測定することで、これらの粒子がどのように振る舞うのかがわかるんじゃ。

ケントくん

なるほど、それで宇宙の謎が少しずつ解けていくんだね!

記事本文:

この論文では、ηc(2S)やhcのようなチャーモニウム状態の粒子が崩壊して陽子・反陽子対 (p-p̅) を生成する現象について調べています。これらの崩壊は、素粒子物理学における基本的な相互作用の特性を理解するための重要な手掛かりです。さらに、χcJと呼ばれる別のチャーモニウム状態のブランチング比の測定を行うことで、粒子の崩壊過程をより精密に理解しようとしています。特に、この論文ではBESIII実験を活用し、詳細な測定と解析が行われています。これにより、標準モデル内の予想や新しい物理現象の可能性を検証する上で重要なデータが提供されるのです。

引用情報:
著者: BESIII Collaboration
論文名: Search for the $η_c(2S)/h_c\to p\bar{p}$ decays and measurements of the $χ_{cJ}\to p\bar{p}$ branching fractions
ジャーナル名: arXiv preprint arXiv:1310.6099v2
出版年: 2013

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
知識ベースプログラムを計画として:簡潔性と計画存在の複雑性
(Knowledge-Based Programs as Plans: Succinctness and the Complexity of Plan Existence)
次の記事
ψ
(3686)メソンの崩壊観測(Observation of the decay $ψ(3686)$ → $Λ\barΣ^{\pm}π^{\mp}+c.c.$)
関連記事
EVEN SMALL CORRELATION AND DIVERSITY SHIFTS POSE DATASET-BIAS ISSUES
(わずかな相関と多様性の変化がデータセット・バイアス問題を引き起こす)
コンプライアンス・ブレイン・アシスタント:企業内コンプライアンス業務支援のための会話型エージェントAI
(Compliance Brain Assistant: Conversational Agentic AI for Assisting Compliance Tasks in Enterprise Environments)
マルチビュー3D物体検出のための統一ドメイン一般化と適応
(Unified Domain Generalization and Adaptation for Multi-View 3D Object Detection)
NeuroLGP-SM:線形遺伝的プログラミングを用いたサロゲート支援ニュー�ロ進化アプローチ
(NeuroLGP-SM: A Surrogate-assisted Neuroevolution Approach using Linear Genetic Programming)
AttributionBench:自動帰属評価はどれほど難しいか?
(AttributionBench: How Hard is Automatic Attribution Evaluation?)
識別的時差学習
(Discerning Temporal Difference Learning)
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)
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)
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)

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
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