The energy dependence of the total hadronic cross section at high energies is investigated with focus on the recent experimental result by the TOTEM Collaboration at 7 TeV and the Froissart-Martin bound. On the basis of a class of analytical parametrization with the exponent $\gamma$ in the leading logarithm contribution as a free parameter, different variants of fits to $pp$ and $\bar{p}p$ total cross section data above 5 GeV are developed. Two ensembles are considered, the first comprising data up to 1.8 TeV, the second also including the data collected at 7 TeV. We shown that in all fit variants applied to the first ensemble the exponent is statistically consistent with $\gamma$ = 2. Applied to the second ensemble, however, the same variants yield $\gamma$'s above 2, a result already obtained in two other analysis, by U. Amaldi \textit{et al}. and by the UA4/2 Collaboration. As recently discussed by Ya. I. Azimov, this faster-than-squared-logarithm rise does not necessarily violate unitarity. Our results suggest that the energy dependence of the hadronic total cross section at high energies still constitute an open problem.


翻译:对高能中全部缺氧截面部分的能源依赖性进行调查,重点是7 TeV和Froissart-Martin绑定的TOTEM合作项目最近实验的结果。根据在主要对数贡献中以美元为主要对数贡献中以美元表示的对数成分析的分类分析,开发了5 GeV以上总缺氧截面数据上美元和美元/巴{p}p美元之间的不同变量。考虑了两个组合,第一个组包括1.8 TeV的数据,第二个组包括7 TeV收集的数据。我们表明,在所有适合的变方中,该表在统计上都与主要对数贡献中美元=2.应用到第二组共体时,同一变方产生美元以上2美元,但U. Amaldi\textit{et al}和UA4/2合作已经得出另外两个分析的结果。最近由Ya. I. Azimov讨论过的7 TeV收集的数据也包括了7 TeV中的数据。我们所收集的数据。我们发现,在第一个组合中应用的所有变量中,在统计应用的所有变式都与美元=2.在高温度中表明,这种高位的能源的上升的结果必然构成了我们高位的高度的能量的能量的上升。

0
下载
关闭预览

相关内容

totem协议也许你还比较陌生,但是corosync就是totem协议的一个开源实现。
《DeepGCNs: Making GCNs Go as Deep as CNNs》
专知会员服务
30+阅读 · 2019年10月17日
Diganta Misra等人提出新激活函数Mish,在一些任务上超越RuLU
专知会员服务
14+阅读 · 2019年10月15日
Keras François Chollet 《Deep Learning with Python 》, 386页pdf
专知会员服务
151+阅读 · 2019年10月12日
强化学习最新教程,17页pdf
专知会员服务
174+阅读 · 2019年10月11日
机器学习入门的经验与建议
专知会员服务
92+阅读 · 2019年10月10日
Transferring Knowledge across Learning Processes
CreateAMind
27+阅读 · 2019年5月18日
深度自进化聚类:Deep Self-Evolution Clustering
我爱读PAMI
15+阅读 · 2019年4月13日
Unsupervised Learning via Meta-Learning
CreateAMind
42+阅读 · 2019年1月3日
A Technical Overview of AI & ML in 2018 & Trends for 2019
待字闺中
16+阅读 · 2018年12月24日
Disentangled的假设的探讨
CreateAMind
9+阅读 · 2018年12月10日
disentangled-representation-papers
CreateAMind
26+阅读 · 2018年9月12日
【论文】变分推断(Variational inference)的总结
机器学习研究会
39+阅读 · 2017年11月16日
【学习】(Python)SVM数据分类
机器学习研究会
6+阅读 · 2017年10月15日
Adversarial Variational Bayes: Unifying VAE and GAN 代码
CreateAMind
7+阅读 · 2017年10月4日
Auto-Encoding GAN
CreateAMind
7+阅读 · 2017年8月4日
Arxiv
4+阅读 · 2019年12月2日
Implicit Maximum Likelihood Estimation
Arxiv
7+阅读 · 2018年9月24日
Learning to Importance Sample in Primary Sample Space
Arxiv
4+阅读 · 2018年1月15日
Arxiv
3+阅读 · 2017年10月1日
VIP会员
相关VIP内容
《DeepGCNs: Making GCNs Go as Deep as CNNs》
专知会员服务
30+阅读 · 2019年10月17日
Diganta Misra等人提出新激活函数Mish,在一些任务上超越RuLU
专知会员服务
14+阅读 · 2019年10月15日
Keras François Chollet 《Deep Learning with Python 》, 386页pdf
专知会员服务
151+阅读 · 2019年10月12日
强化学习最新教程,17页pdf
专知会员服务
174+阅读 · 2019年10月11日
机器学习入门的经验与建议
专知会员服务
92+阅读 · 2019年10月10日
相关资讯
Transferring Knowledge across Learning Processes
CreateAMind
27+阅读 · 2019年5月18日
深度自进化聚类:Deep Self-Evolution Clustering
我爱读PAMI
15+阅读 · 2019年4月13日
Unsupervised Learning via Meta-Learning
CreateAMind
42+阅读 · 2019年1月3日
A Technical Overview of AI & ML in 2018 & Trends for 2019
待字闺中
16+阅读 · 2018年12月24日
Disentangled的假设的探讨
CreateAMind
9+阅读 · 2018年12月10日
disentangled-representation-papers
CreateAMind
26+阅读 · 2018年9月12日
【论文】变分推断(Variational inference)的总结
机器学习研究会
39+阅读 · 2017年11月16日
【学习】(Python)SVM数据分类
机器学习研究会
6+阅读 · 2017年10月15日
Adversarial Variational Bayes: Unifying VAE and GAN 代码
CreateAMind
7+阅读 · 2017年10月4日
Auto-Encoding GAN
CreateAMind
7+阅读 · 2017年8月4日
相关论文
Arxiv
4+阅读 · 2019年12月2日
Implicit Maximum Likelihood Estimation
Arxiv
7+阅读 · 2018年9月24日
Learning to Importance Sample in Primary Sample Space
Arxiv
4+阅读 · 2018年1月15日
Arxiv
3+阅读 · 2017年10月1日
Top
微信扫码咨询专知VIP会员