可以通过普通（γ）和隐藏光子（γ'）之间的动力学混合来连接粒子物理的可见和暗区。 如果后者是轻的，则类似于中微子过程，它通过γ-γ'振荡以高能碰撞产生普通粒子。 一般而言，如果隐藏光子的质量小于1 MeV，则实验对隐藏光子的质量不敏感，并且不会衰减为e + e-对。 尽管如此，人们仍可以利用丢失的能量和从探测器上散射出来的信号作为特征来搜索隐藏的光子。 介质的存在会抑制光向量的产生，从而使实验对整个模型不敏感。 在媒体中，通常由于γ-γ'振荡的倾泻而抑制了隐藏的光子产生，从而使实验对整个模型不敏感。 我们提出了对光隐藏的光子产生，传播和检测的解析公式，这些公式对于在对撞机和光束目标实验中的搜索有效，并应用它们来估计对NA64，FASER，MATHUSLA，SHiP，T2K，DUNE和NA62的灵敏度的影响。 无背景情况。

我们使用自旋螺旋度形式论来计算在小Bjorken x处质子和原子核目标的深度非弹性散射（DIS）中给定极化的三个部分的产生的横截面。 目标质子或原子核被视为经典色场（冲击波），所产生的部分从中散射多次。 我们在生产截面的最终表达式中报告了我们的结果，并在[1]中研究了所生产的部分的方位角相关性。 在这里，我们提供了使用旋转螺旋法计算生产横截面的完整细节。

我们更新了σtot，σelas，σinel，ρ和B的质子-质子和反质子-质子散射的高能数据的常规拟合和全面渐近拟合。这些拟合包括总质子-质子横截面的新TOTEM值 ，ρ和B在W = s = 13 TeV时，在W = s = 95 TeV时总质子-质子截面的望远镜阵列值以及在W = 8 TeV时无弹性截面的最新测量值得到的数据（ 由TOTEM和ATLAS提供）和13 TeV（由CMS，ATLAS和TOTEM提供）。 这项工作的一个重要的新功能是对数据进行校正，以包括ln（dσ/ dt）中的曲率对B值，t = 0时的dσ/ dt以及从较大的值外推获得的σtot的影响。 t在测量微分截面时，效果显着。 拟合的稳定性非常好，新结果与早期拟合的预测非常吻合。 这项工作再次证实了质子渐近地成为胶子黑盘的证据。

海湾高能H系列主机4.1编程调试软件

我们考虑中微子的四味情景，其中向活动中微子的三个家族中引入了额外的无菌中微子，并研究了超高能（UHE）方案中三味情景的偏离。 我们为来自遥远UHE来源的中微子（例如伽马射线暴等）在1 km2的检测器（如IceCube）上计算了可能的μ子和阵雨产量。对于三味情况，也获得了类似的μ子和阵雨产量估算值。 比较这两个结果，我们发现这两种情况的产量之间存在相当大的差异。 这对于使用UHE中微子通量探测第四无菌组分的存在可能是有用的。

在大型强子对撞机上执行SM精密测试的一种有前途的途径是测量高不变质量的微分截面，以这种方式利用由繁重的新物理学引起的校正能量的增长。 我们对纵向狄布森和相关的希格斯生产过程中主要的随能量增长效应进行了分类，表明它们可以封装在四个真实的“高能量主要”参数中。 我们在大型强子对撞机和未来的强子对撞机上评估这些参数的可及范围，尤其着重于看起来特别有前途的全轻子W Z通道。 发现该范围比现有约束条件高一个数量级，从而在与LEP边界竞争的情况下，在每毫米水平上测试了SM电弱扇区。 与LHC run-1边界仅适用于比分布的高能尾部中的SM大得多的新物理效应，我们研究的探查适用于更广泛类别的新物理场景，在这些场景中，如此大的偏离并不大 预期。

我们将介绍ColliderBit，这是一种超越标准模型（BSM）的物理理论中用于计算高能对撞机可观测物的新代码。 ColliderBit具有BSM模型的通用接口，独特的并行化蒙特卡洛事件生成方案（适用于大型超级计算机应用程序）以及大量LHC分析，涵盖了ATLAS和CMS当前寻求的合理范围的BSM签名。 ColliderBit还计算希格斯扇区可观测值的可能性，并且LEP搜索BSM粒子。 这些功能是由ColliderBit独有的新代码与现有的最新公共代码的接口组合提供的。 ColliderBit既是用于BSM推理的GAMBIT框架的重要组成部分，又是将对撞机约束有效地应用于新物理学理论的独立工具。

提出了一种模拟直线和弯曲周期原子结构中取向效应的模型。 已经采用了连续电位近似。 该模型允许通过笔直和弯曲的晶体操纵粒子轨迹，并控制通道粒子的强子和电磁过程横截面的缩放。 基于这种模型，开发了Geant4工具包的扩展。 该代码已针对CERN进行的渠道实验数据进行了验证。

随着电子技术的发展及对发动机性能要求的提高,微机控制的电子点火系统逐渐取代了传统的发动机点火系统,实现了更为精确的点火时刻和点火能量的控制。

现代机器学习技术可用于构建强大的对撞机物理问题的模型。 但是，在许多应用中，由于数据中缺少真实级别的信息，因此在不完善的仿真上对这些模型进行了训练，这冒着仿真学习模型风险的风险。 在本文中，我们介绍了无标签分类的范式（CWoLa），其中训练了分类器以区分类的统计混合，这在对撞机物理学中很常见。 至关重要的是，既不需要单个标签也不需要类别比例，但是我们证明了CWoLa范例中的最佳分类器也是在传统的完全监督情况下所有标签信息均可用的最佳分类器。 在一个分析性玩具示例中证明了这种方法的强大功能之后，我们考虑了对撞机物理的现实基准：使用夸克/胶子混合训练样本区分夸克和胶子引发的射流。 更一般而言，CWoLa可以应用于标签或类别比例未知或模拟不可靠但类别的统计混合可用的任何分类问题。