Aller au contenu principal
Accès ouvert déclaré 2026 article

Machine learning techniques for jet reconstruction at LHCb and application to the search for $H \to b \bar{b}$ and $H \to c \bar{c}$ in $\sqrt{s}=13$ TeV $pp$ collisions

0Citations signalées — pas une note de qualité
60Institutions déclarées
18Pays d’affiliation déclarés

Résumé fourni par la source

International audience

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

Contrôle bibliographique ouvert

DOI retrouvé dans Crossref DOI retrouvé, mais le titre doit être comparé manuellement.

Titre Crossref
Machine learning techniques for jet reconstruction at LHCb and application to the search for $$ H\to b\overline{b} $$ and $$ H\to c\overline{c} $$ in $$ \sqrt{s}=13 $$ TeV pp collisions
Date Crossref
29/07/2026
Éditeur
Springer Science and Business Media LLC
Type
journal-article

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

Institutions déclarées

University of Maryland, College ParkMonash UniversityPontifícia Universidade Católica do Rio de JaneiroUniversity of GlasgowRuhr University BochumUniversity of OxfordScience OxfordThe Ohio State UniversityUniversity of ManchesterManchester UniversityWuhan University of TechnologyWuhan University of Science and TechnologyCentro Brasileiro de Pesquisas FísicasInstitute of High Energy PhysicsTsinghua UniversityUniversity of SienaUK Astronomy Technology CentreUniversity of EdinburghImperial College LondonUniversity of FerraraPeking UniversityEötvös Loránd UniversityLos Alamos National LaboratoryLos Alamos National Security (United States)Universidad Nacional de ColombiaUniversity of UrbinoSyracuse UniversityUniversity of GroningenUniversidade Federal do Rio de JaneiroMaastricht UniversityUppsala UniversityVilnius UniversityVilnius University of Applied SciencesCracow University of TechnologyLanzhou UniversityUniversity of MichiganSouth China Normal UniversityUniversité Sorbonne NouvelleSorbonne UniversitéSorbonne Paris CitéUniversité Paris 1 Panthéon-SorbonneTaras Shevchenko National University of KyivUniversidade da CoruñaFederal Center for Technological Education Celso Suckow da FonsecaUniversidade Estadual de Campinas (UNICAMP)University of CincinnatiMassachusetts Institute of TechnologyUniversity of VictoriaAstronomy AustraliaUniversity of Bari Aldo MoroMachine Intelligence Research InstituteScuola Normale SuperioreNational Autonomous University of HondurasHunan UniversityUniversity of BergamoUniversity of BolognaUniversity of CagliariUniversity of MilanUniversity of Milano-BicoccaUniversity of Padua

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

Sujets associés

Particle physics theoretical and experimental studiesHigh-Energy Particle Collisions ResearchParticle Detector Development and Performance

BNTIC News n’est pas le producteur de ces données. Recherche à la demande dans Crossref, OpenAIRE, DOAJ, Europe PMC, HAL, DataCite, ROR et la Banque mondiale, sans clé ; OpenAlex reste optionnel. Aucun service payant requis, aucune donnée externe enregistrée en base. Sources et limites.