Zobrazeno 1 - 10
of 2 714
pro vyhledávání: '"new physics"'
Autor:
Benedikt, Michael, author, Ellis, John, author, Charitos, Panagiotis, author, Liyanage, Shantha, author
Publikováno v:
Big Science, Innovation, and Societal Contributions : The Organisations and Collaborations in Big Science Experiments, 2024, ill.
Externí odkaz:
https://doi.org/10.1093/oso/9780198881193.003.0006
Autor:
Sánchez‐Cañizares, Javier1 js.canizares@unav.es
Publikováno v:
Zygon: Journal of Religion & Science. Sep2017, Vol. 52 Issue 3, p905-913. 9p.
Autor:
Carlos E.M. Wagner
Publikováno v:
Letters in High Energy Physics, Vol 2023, Iss 1 (2023)
We discuss the constraints on the Higgs sector coming from the requirement of the generation of the matterantimatterasymmetry at the electroweak phase transition. These relate to both a strongly first-order transition, necessary for the preservation
Externí odkaz:
https://doaj.org/article/e5d7773b6589435cb0fb097af344f834
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.
CURTAINs for your sliding window: Constructing unobserved regions by transforming adjacent intervals
Publikováno v:
Frontiers in Big Data, Vol 6 (2023)
We propose a new model independent technique for constructing background data templates for use in searches for new physics processes at the LHC. This method, called Curtains, uses invertible neural networks to parameterise the distribution of side b
Externí odkaz:
https://doaj.org/article/d0dceb7cec28449b98056dad49ac8f6c