BESⅢ数据质量检查及J/ψ,ψ(2S)→p(?)π-+C.C.的物理分析

来源 :南京师范大学 | 被引量 : 3次 | 上传用户:liqihua2009
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
本文分为两部分内容,一部分是BESⅢ数据质量检查,另一部分是J/ψ/,ψ(2S)pnπ-+c.c.衰变道的物理分析。 对于BESⅢ数据质量检查的部分,由于BESⅢ离线软件系统的庞大和复杂,除软件层面本身的检查外,需要从物理分析层面确定软件整体达到的性能,软件更新带来的性能改进程度。文中介绍了数据质量检查的各项具体内容,特别是对BESⅢ各探测器相应的软件模块进行数据质量检查的情况。 对于径迹重建效率和粒子鉴别效率,文中做了很详细的研究。一方面径迹重建效率和粒子鉴别效率的检查在数据质量检查中占很大的比重,另一方面,希望得到一个能供BESⅢ物理分析使用的,可靠的、公认的基于各BOSS版本的径迹重建和粒子鉴别的系统误差。文中仔细研究了径迹重建效率和粒子鉴别效率的得出方法,以及各影响因素的情况,最后给出了各粒子一维和二维的径迹重建效率和粒子鉴别效率,及径迹重建和粒子鉴别的系统误差。 本文另一部分为物理分析部分,利用BESⅢ目前为止取得的225M的J/ψ数据和106M的ψ(2S)数据,对J/ψ→pnπ-+c.c.和ψ(2S)→pnπ-+c.c.衰变道进行了物理分析工作。文中详细介绍了这两个衰变道的事例挑选和误差分析工作,给出了这四个衰变道的分支比,并验证了“12%规则”。另外,从pπ和nπ的不变质量谱中,观察到了可能的N*共振态。与BESⅡ结果相比,所测的分支比和BESⅡ的结果在误差范围内一致,但本底水平、统计误差和系统误差都比BESⅡ有明显的减小。期待进一步进行分波分析,以得到N*精确的结果。
其他文献
报纸
报纸
<正>在当前小学教育过程中,教师既要保障学生在课堂上所接受的教学质量,又要为学生提供课后的教学服务保障,以此形成全面育人的发展目标。在小学阶段开展课后服务,主要是为了能契合双解政策的要求,一方面让学生通过课后服务时间完成课堂上所没有学会的知识点,及时向教师提问,教师可以利用课后服务时间进行集中答疑,不让知识点遗留在课外。另一方面,学生也可以通过课后服务时间完成自己的作业,能在这一时间内做完自己的作
期刊
<正>自2019年工业和信息化部印发《“5G+工业互联网”512工程推进方案》以来,全国各地方、各行业、各企业积极响应、密切合作、创新探索,我国“5G+工业互联网”取得了积极进展。随后,工业和信息化部印发的《工业互联网创新发展行动计划(2021—2023年)》、十部门印发的《5G应用“扬帆”行动计划(2021—2023年)》以及《工业互联网专项工作组2022年工作计划》,提出要打造5G全连接工厂,
期刊
报纸
<正>《中国公证》杂志一本推动公证发展的杂志一本法律人值得一读的杂志一本市场经济不可缺少的杂志《中国公证》杂志是中国公证协会会刊。《中国公证》杂志自创刊以来,紧紧围绕公证工作改革和发展的中心,始终坚持“研究公证、指导公证、宣传公证”的办刊宗旨,为交流公证工作成果和提高公证理论与实务水平做出了应有的贡献。杂志想公证员之想,解公证员之惑,逐渐成为公证员的良师益友。《中国公证》杂志是目前我国唯一可以代表
期刊
<正>一、以课程为核心,丰富课后服务内容1.三维框架,整体规划笔者所在学校对体育特色课后托管进行了整体规划,设计了三维课后服务创新框架,即基础类课程(面向水平一)、特色类课程(面向水平二、水平三)、提高类课程(面向水平二、水平三)。基础类课程主要是学生小学阶段必须掌握的内容,是面向全体学生进行的,以集体教学为主,引导学生积极参与体育活动;
期刊
在城镇更新过程中,色彩对于提高城镇视觉品质和突显城镇风貌特色起到重要作用。本文选取美国加州伯克利市(Berkeley)的大学路(University Ave)为研究对象,使用谷歌街景图像(GSV)对街道建筑色彩信息进行采集,应用物理心理学方法和M-S色彩协调理论对街道建筑色彩质量和色彩和谐度进行研究。本研究提出了一种街道色彩分析与评价的新方法,对我国城镇色彩规划建设和风貌控制具有参考价值。
期刊
在新时代城市更新背景下,街道空间的环境品质改善是重要内容之一。传统的街道改善调研主要基于人工图片采集与评估,费时费力,主观性强,难以大规模复用。近年来,互联网街景图片在街道品质评估中得到应用,但由于时效性差、采集视角单一等问题,难以反映街道的客观情况。基于此,将街景图像识别与街道空间环境评估相结合,提出从宏观到微观“街景图片自采集—标准化处理—特征要素自动化提取—街道特征数据库—街道环境品质评估”
期刊
准确识别影响环境安全感知的视觉因素,对于改善城市交通环境与提升行人出行安全具有重要支撑作用。然而,既有研究难以对复杂场景下的环境安全感知进行大规模定量化研究。因此,本文利用图像语义分割和目标检测技术从街景图像中提取视觉要素,通过人工评分结合深度学习的方式构建道路安全感知数据集;再基于轻量梯度提升机和SHAP解释框架,识别出影响环境安全感知的视觉因素;最后,选取道路环境特殊的峡谷性城市兰州市安宁区高
期刊