Aller au contenu principal
Accès ouvert déclaré 2025 article

Testing a 95 GeV Scalar at the CEPC with Machine Learning*

3Citations signalées, ce qui n’est pas une note de qualité
5Institutions déclarées
2Pays d’affiliation déclarés

Rattachement africain : cn, us. Niveau de preuve : code pays fourni par la source.

Le résumé fourni par la source

Abstract Several possible excesses around GeV hint at an additional light scalar beyond the Standard Model. We examine the capability of the Circular Electron-Positron Collider (CEPC) to test this hypothesis in the Higgs-strahlung channel with and . A full detector simulation shows that the optimal center-of-mass energy for studying the 95 GeV light scalar is 210 GeV. A deep neural network classifier reduces the luminosity required for discovery by half. At , the sensitivity of the CEPC to the signal strength reaches 0.016 and 0.020 for GeV and 240 GeV, respectively. The corresponding thresholds for a 5% precision measurement are and . At GeV (240 GeV), the coverage of all N2HDM-Flipped samples with requires (1.22 ). These results establish a 210 GeV run, augmented by machine-learning selection, as the most efficient strategy to confirm or refute the 95 GeV excess at future lepton colliders.

Ce résumé expose les affirmations des auteurs. BNTIC ne l’interprète pas comme une validation indépendante des résultats.

Le contrôle bibliographique ouvert

DOI retrouvé dans Crossref DOI retrouvé ; titre concordant.

Titre Crossref
Testing a 95 GeV Scalar at the CEPC with Machine Learning*
Date Crossref
01/03/2026
Éditeur
IOP Publishing
Type
journal-article

Ce recoupement confirme des métadonnées liées au DOI. Il ne confirme ni la méthode ni les conclusions de l’étude, et il ne compte pas comme une seconde source scientifique indépendante.

Les institutions déclarées

Une affiliation ne permet pas de déduire la nationalité d’un auteur.

Les sujets associés

Particle physics theoretical and experimental studiesParticle Detector Development and PerformanceComputational Physics and Python Applications

BNTIC News n’est pas le producteur de ces données. Les publications sont interrogées à la demande dans Crossref, OpenAIRE, DOAJ, Europe PMC, HAL, DataCite, AfricArXiv, ROR et la Banque mondiale, sans clé d’accès. OpenAlex reste optionnel. Aucun service payant n’est nécessaire et aucune donnée externe n’est enregistrée en base. Consulter les sources et leurs limites.