热点事件持续更新
机器学习提升无磁场液体闪烁体探测器中微子CPV灵敏度
1 篇报道1 个报道来源15 小时前更新
先了解这件事
AI 综述
2026-11-10，厦门大学马来西亚物理系团队在 arXiv 发布研究，利用 XGBoost 机器学习对 JUNO-like 20-kton 液体闪烁体探测器的大气 νμ、νe 事例进行 ν/ν̄ 统计判别，AUC 约 0.83。在 200 kton-year 曝光下，正质量排序的 CPV 峰值灵敏度由 1.49σ 提升至 1.96σ，反质量排序由 1.14σ 提升至 1.61σ。该工作展示了在无磁场液体闪烁体探测器中借助机器学习提升中微子 CP 破坏灵敏度的可行性。
AI 根据报道生成 · 2 小时前更新
报道时间线
沿着报道，了解事件的不同侧面。
11月10日
- arXiv hep-ex（粒子实验）机器学习辅助大气中微子 ν/ν̄ 判别提升 20-kton 液体闪烁体探测器的 CPV 灵敏度
厦门大学马来西亚物理系团队用 XGBoost 对 JUNO-like 20-kton 液体闪烁体探测器的大气 νμ、νe 事例做 ν/ν̄ 统计判别，AUC 约 0.83。在 200 kton-year 曝光下，正质量排序的 CPV 峰值灵敏度由 1.49σ 提升至 1.96σ，反质量排序由 1.14σ 提升至 1.61σ。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。