计算了光子发射（初始状态辐射）在希格斯玻色子的直接生产过程的横截面中对未来高发光度电子和μ子对撞机的影响。 已经发现，对于电子对撞机，希格斯玻色子共振峰的顶部的横截面减小了0.348倍，对于μ子对撞机减小了0.548倍。 4.2 MeV（等于希格斯宽度）的质心能量的质心能量散布将使电子和μ子束的峰截面进一步减小0.170和0.256（QED和能量散布） 分别。 讨论了恢复QED计算中可能存在的不确定性。 提供了包括QED在内的线形横截面的数值结果以及许多质心能量散布值。

报道了在最终状态下用光子或轻子等射流寻找新物理学的结果，这些射流具有较低的横向动量。 这项研究基于2012年使用CMS检测器在质心能量s = 8 TeV处收集的质子碰撞质子。样品的综合光度为19.7 fbâ1。 许多新物理学模型预测射流，电弱玻色子和几乎没有或根本没有横向动量的事件的产生。 示例包括超对称性（SUSY）的隐形模型，该模型可以预测SUSY近似守恒的电弱能级的隐藏扇区。 该数据用于在最终状态下用两个光子或带相反电荷的电子和介子搜索隐形SUSY签名。 相对于标准模型预期，没有发现过多的结果，并且将结果用于在隐身SUSY框架中设置对成对的壁虎。

使用具有光子，电子或介子且缺少大的横向动量的事件来表示搜索超对称性的结果。 该分析基于一个数据样本，该数据样本对应于由LHC产生并由CMS检测器收集的s = 13 $$ \ sqrt {s} = 13 $$ TeV时质子-质子碰撞的35.9 fb-1积分光度 在2016年。具有规范介导的超对称性破裂的理论模型预测了最终状态下光子的事件，以及电弱规范的玻色子衰减到轻子的情况。 搜索具有光子，轻子和横向动量缺失的事件是这些模型的敏感探针。 没有观察到超出标准模型流程预期范围的事件。 搜索结果在受量规介导的超对称破坏启发的简化模型的上下文中进行解释。 这些模型用于得出生产截面的上限，并为超对称颗粒的质量设置下限。 低于930 GeV的Gaugino质量在95％置信水平下被排除在简化模型中，其中电中性产生了中性基和焦炭基。 对于简化的胶粘剂和胶料对生产模型，在95％的置信水平下，胶料质量不超过1.75 TeV和胶料质量不超过1.43 TeV。

在当前的深度学习领域，轻量化模型已经成为了一个重要的研究方向，尤其在移动设备和嵌入式系统的应用中。本文将探讨轻量化网络的背景、设计思路以及以MobileNet为例的具体实现，来阐述这一领域的核心概念。 首先，让我们理解为什么需要轻量化网络。神经网络的发展历程见证了模型从简单的前馈网络到复杂的深度结构的演变，如AlexNet、VGG、GoogLeNet、ResNet等。这些模型虽然在准确率上取得了显著的进步，但它们的计算量和参数数量巨大，对硬件资源的要求较高，这限制了它们在资源受限的环境（如智能手机、无人机、物联网设备）中的应用。因此，轻量化网络的必要性应运而生，旨在在保持一定性能的前提下，降低模型的计算复杂度和内存占用，以适应这些边缘计算场景。 实现轻量化网络的主要思路有多种。一种方法是压缩已经训练好的模型，通过知识蒸馏、权值量化、剪枝和注意力迁移等技术减小模型规模。另一种是直接设计轻量化架构，例如SqueezeNet、MobileNet、ShuffleNet和EfficientNet，它们通过创新的卷积结构来减少计算量。此外，还可以通过优化卷积运算，如使用Im2col+CEMM、Winograd算法或低秩分解来提高运算效率。硬件层面的支持也不可忽视，例如TensorRT、Jetson、Tensorflow-lite和Openvino等工具可以加速模型在不同平台上的部署。 MobileNet系列作为轻量化模型的代表，尤其是其深度可分离卷积的设计，极大地降低了计算成本。传统卷积涉及到大量的乘加运算，而深度可分离卷积将卷积过程分为两步：先进行深度卷积（即按通道的卷积），然后进行逐点卷积。这样，深度可分离卷积的计算量仅为标准卷积的很小一部分，同时减少了参数量。以MobileNet V1为例，尽管其参数量远小于其他大型网络，但在没有残差连接和ReLU激活函数的低精度问题下，其性能仍有所局限。为了解决这些问题，MobileNet V2引入了倒置残差块，增强了特征流动，提高了模型性能。 总结来说，轻量化网络的发展是深度学习在有限资源环境应用的关键。通过深入理解神经网络的结构，设计创新的卷积操作，结合模型压缩技术和硬件优化，我们能够构建出在保持高效率的同时兼顾准确性的模型。MobileNet的成功实践为未来轻量化模型的设计提供了宝贵的启示，进一步推动了深度学习在边缘计算领域的广泛应用。

为研究不同形式支撑对多层轻钢结构抗震性能的影响,文章通过运用非线性有限元分析软件SAP2000构建6层纯框架轻钢结构,以此为基础对结构分别布置中心支撑、偏心支撑和隅撑支撑,计算8度罕遇地震作用下结构的抗侧刚度、自振周期,并采用两条经典地震波对四种结构体系进行弹塑性时程的对比分析,比较四种钢框架结构的动力特性及抗震性能。

建立并验证了基于似然的判别夸克和胶子引发的射流，并使用4.7 ff -1的质子-质子碰撞数据在s = 7 TeV处与LLAS的ATLAS探测器进行了验证。 具有丰富的夸克或胶子含量的数据样本用于构建和验证射流属性的模板，这些模板是基于似然度的判别式的输入。 数据和蒙特卡洛样本中建立的喷气式标签机的辨别力在系统不确定性≥10-20％之间。 在数据中，轻夸克射流可以以≥50％的效率进行标记，而在40GeV和360GeV之间的pT范围内，胶凝体射流的误标记率可以达到≥25％，从而可以接受 追踪器。 在数据中发现的胶子喷气机的拒绝率明显低于使用Pythia 6蒙特卡洛模拟所能达到的水平，其中对于10％的轻夸克喷气机选择效率，胶子喷气机误标率可以达到10％ 使用相同的射流特性

提出了三个额外的算子的搜索，这些算子会导致相对于标准模型中的WWγ或WWZ耦合异常。 通过研究带有两个矢量玻色子的事件来约束它们。 W玻色子衰减为eν或μν，W或Z玻色子强子衰减，重建为单个大质量大半径射流。 该搜索使用质子-质子碰撞的数据集，质子-质子碰撞的质心能量为13 TeV，该数据集由2016年CERN LHC的CMS实验记录，对应于35.9 fb -1的综合光度。 使用重构的狄波森不变质量，对于-1.58 <c WWW /Λ2<1.59 TeV -2，-2.00 <c W /Λ2<2.65 TeV -2和-8.78 <c B /Λ2<8.54 TeV -2，与每个参数的标准模型期望为零一致。 这些是迄今为止这些参数的最严格界限。

在质量中心为13 TeV的LHC处收集的数据中，观察到质量为750 GeV的双光子共振的证据。 我们在两希格斯二重态模型及其超对称化身中探索了这种信号的希格斯样共振的几种解释，其中模型中存在的较重的CP奇数和CP奇数态是通过胶子聚变产生并衰变为 通过顶夸克环的两个光子。 我们表明，在这些模型的最小版本中无法容纳观察到的信号，并且需要额外的粒子含量。 然后，我们考虑了矢量状夸克或轻子可能会大大增强希格斯与光子以及最终胶子的沉重希格斯耦合的可能性，而不会改变已经观察到的125 GeV状态。

我们对稀有的希格斯玻色子衰变成单个向量介子和一个光子进行了详细分析，并研究了使用这些过程探测轻夸克汤川耦合的可能性。 我们使用带有改进的希格斯耦合的有效拉格朗日函数，以与模型无关的方式解决可能的新物理效应。 h→Vγ衰减率由两个幅度的相消干涉控制，其中两个幅度涉及到希格斯耦合到矢量介子内的夸克反夸克对。 我们使用QCD因子分解以αs的倒数第二个阶次得出此幅度，包括大型对数校正的恢复以及考虑到风味混合的影响。 较高的分解因子μ〜m h确保我们的结果对表征矢量介子的光锥分布幅度的强子参数不敏感。 第二个振幅是由环路引起的有效hγγ*和hγZ*耦合引起的，其中，脱壳规玻色子会转换为矢量介子。 我们设计了一种策略，以几乎任意精度消除与该振幅相关的理论不确定性。 这开辟了探究c-和b-夸克Yukawa联轴器的O1 $$ \ mathcal {O}（1）$$修改和s的O30 $$ \ mathcal {O}（30）$$修改的可能性。 高发光度LHC运行中的夸克汤河耦合。 特别是，我们显示了对比率Br（h→Υ（nS）γ）/ Br（h→γγ）和Brh→bb¯/ Brh→γγ$$ \ mathrm {

分析了各种轻子态ℓ=（e，μ，τ）的希格斯玻色子衰变h→γℓ+ℓ-。 在希格斯玻色子通过标量和拟标量耦合的混合物与轻子和夸克相互作用的模型中，差分衰减宽度和前后不对称性是作为双链不变质量函数的。 这些耦合部分受衰变到轻子h→ℓ+ℓ-和夸克h→qq（其中q =（c，b））的数据的约束，而希格斯耦合到顶部夸克的耦合是从这两个中选择的 -光子和两个胶子的衰减率。 前后不对称性的非零值将在希格斯扇区中体现出新物理学的影响。 还给出了在双态不变质量上积分的衰减宽度和不对称性。