Filtern
Erscheinungsjahr
- 2007 (20) (entfernen)
Dokumenttyp
- Wissenschaftlicher Artikel (20) (entfernen)
Volltext vorhanden
- ja (20)
Gehört zur Bibliographie
- nein (20)
Schlagworte
- Black holes (1)
- Directed and elliptic flow (1)
- Elliptic flow (1)
- Event-by-event (1)
- Event-by-event fluctuations (1)
- EyeRis visual system (1)
- Fluctuations (1)
- Fluctuations in the initial conditions (1)
- HBT interferometry (1)
- HBT puzzle (1)
Institut
- Physik (20) (entfernen)
Relying on the existing estimates for the production cross sections of mini black holes in models with large extra dimensions, we review strategies for identifying those objects at collider experiments. We further consider a possible stable final state of such black holes and discuss their characteristic signatures. Keywords: Black holes
We study various fluctuation and correlation signals of the deconfined state using a dynamical recombination approach (quark Molecular Dynamics, qMD). We analyse charge ratio fluctuations, charge transfer fluctuations and baryon-strangeness correlations as a function of the center of mass energy with a set of central Pb+Pb/Au+Au events from AGS energies on (Elab = 4 AGeV) up to the highest RHIC energy available (V sNN = 200 GeV) and as a function of time with a set of central Au+Au qMD events at V sNN = 200 GeV with and without applying our hadronization procedure. For all studied quantities, the results start from values compatible with a weakly coupled QGP in the early stage and end with values compatible with the hadronic result in the final state. We show that the loss of the signal occurs at the same time as hadronization and trace it back to the dynamical recombination process implemented in our model.
In this work we present a study of the influence of nucleus initializations on the event-by-event elliptic flow coefficient, v2. In most Monte-Carlo models, the initial positions of the nucleons in a nucleus are completely uncorrelated, which can lead to very high density regions. In a simple, yet more realistic model where overlapping of the nucleons is avoided, fluctuations in the initial conditions are reduced. However, v2 distributions are not very sensitive to the initialization choice.
We discuss the present collective flow signals for the phase transition to the quark-gluon plasma (QGP) and the collective flow as a barometer for the equation of state (EoS). We emphasize the importance of the flow excitation function from 1 to 50A GeV: here the hydrodynamicmodel has predicted the collapse of the v1-flow at ~ 10A GeV and of the v2-flow at ~ 40A GeV. In the latter case, this has recently been observed by the NA49 collaboration. Since hadronic rescattering models predict much larger flow than observed at this energy, we interpret this observation as potential evidence for a first order phase transition at high baryon density pB.
Zellulare Nichtlineare Netzwerke (CNN) wurden 1988 von Chua und Yang (Chua und Yang, 1988) eingeführt. Diese Netzwerke sind dadurch gekennzeichnet, dass eine Zelle, die die kleinste Einheit eines CNN darstellt, nur mit Zellen innerhalb einer bestimmten Umgebung verbunden ist. üblicherweise sind Art und Stärke der Wechselwirkung zwischen zwei Zellen eines CNN translationsinvariant, d.h. sie hängen nur von der relativen Lage beider Zellen zueinander ab. Im Vordergrund aktueller Arbeiten stehen auf derartigen Netzwerken basierende schaltungstechnische Realisierungen mit bis zu 176x144 Zellen, die eine direkte Verbindung zu zweidimensionalen optischen Sensor-Anordnungen aufweisen. Über einen separaten Speicherbereich können die Zellkopplungen eines Netzwerks verändert werden, wodurch eine adaptive Verarbeitung von mehrdimensionalen Sensorsignalen ermöglicht wird. Das kürzlich vorgestellte so genannte EyeRis System (Anafocus Ltd.) enthält zusätzlich noch einen Standardprozessor und stellt (bei einer Größe vergleichbar mit der einer Kreditkarte) daher ein vollständiges superschnelles System zur Informationsverarbeitung dar. In diesem Beitrag sollen, nach einem kurzen Überblick über die Eigenschaften von CNN, aktuelle Realisierungen und exemplarisch eine neuere eigene Anwendung vorgestellt und besprochen werden.
Partielle Differentialgleichungen des Reaktions-Diffusions-Typs beschreiben Phänomene wie Musterbildung, nichtlineare Wellenausbreitung und deterministisches Chaos und werden oft zur Untersuchung komplexer Vorgänge auf den Gebieten der Biologie, Chemie und Physik herangezogen. Zellulare Nichtlineare Netzwerke (CNN) sind eine räumliche Anordnung vergleichsweise einfacher dynamischer Systeme, die eine lokale Kopplung untereinander aufweisen. Durch eine Diskretisierung der Ortsvariablen können Reaktions-Diffusions-Gleichungen häufig auf CNN mit nichtlinearen Gewichtsfunktionen abgebildet werden. Die resultierenden Reaktions-Diffusions-CNN (RD-CNN) weisen dann in ihrer Dynamik näherungsweise gleiches Verhalten wie die zugrunde gelegten Reaktions-Diffusions-Systeme auf. Werden RD-CNN zur Identifikation neuronaler Strukturen anhand von EEG-Signalen herangezogen, so besteht die Möglichkeit festzustellen, ob das gefundene Netzwerk lokale Aktivität aufweist. Die von Chua eingeführte Theorie der lokalen Aktivität Chua (1998); Dogaru und Chua (1998) liefert eine notwendige Bedingung für das Auftreten von emergentem Verhalten in zellularen Netzwerken. Änderungen in den Parametern bestimmter RD-CNN könnten auf bevorstehende epileptische Anfälle hinweisen. In diesem Beitrag steht die Identifikation neuronaler Strukturen anhand von EEG-Signalen durch Reaktions-Diffusions-Netzwerke im Vordergrund der dargestellten Untersuchungen. In der Ergebnisdiskussion wird insbesondere auch die Frage nach einer geeigneten Netzwerkstruktur mit minimaler Komplexität behandelt.
Bei intelligenten Sensoren soll die Aufnahme von Signalen und deren, zumindest teilweise durchgeführte, Verarbeitung mit einer einzigen Anordnung erfolgen. Dazu steht häufig eine elektronische Schaltung zur Verfügung, die allerdings zur Einhaltung von Echtzeitbedingungen nur für eine relativ einfache Signalverarbeitung verwendet werden kann. Einen möglichen Ausweg bildet die Verwendung parallel arbeitender Rechnersysteme. In dieser Hinsicht sind programmierbare Schaltungen mit z.B. optischen Sensor-Anordnungen besonders interessant, die auf Zellularen Nichtlinearen Netzwerken basieren. Derartige miniaturisierte Systeme eröffnen aufgrund ihrer zellularen Architektur neue Möglichkeiten zur Signalverarbeitung mit einem Leistungsvermögen, das im Bereich von Tera-Operationen pro Sekunde liegt. Für viele aktuelle Problemstellungen wäre es von Vorteil, wenn diese zellularen Systeme eigenständig Parameteradaptionen durchführen könnten. Eingangssignale, die beispielsweise über die vorhandenen optischen Sensoren aufgenommen werden, führten dann zu einer Neuberechnung bzw. Anpassung der Netzwerksparameter. Aufgrund der beachtlichen Leistungsfähigkeit solcher Schaltungen wäre damit die Möglichkeit gegeben, eine adaptive Signalverarbeitung bei zeitlich veränderlichen Problemen vorzunehmen. In diesem Beitrag wird die Implementierung und Analyse von Lernverfahren auf dem EyeRIS™ System, das einen zellularen Prozessor ACE16kv2™ mit 128×128 Zellen enthält, zur adaptiven Parameterbestimmung betrachtet. Anhand verschiedener Problemstellungen aus dem Bereich der Bildverarbeitung werden unterschiedliche Lernverfahren verglichen und deren Leistungsfähigkeit untersucht.
Seit einigen Jahren ist die Analyse von EEG-Signalen bei Epilepsie Gegenstand zahlreicher wissenschaftlicher Arbeiten; Zielvorstellung ist dabei die Entwicklung von Verfahren zur Erkennung eines möglichen Voranfallszustandes. Im Vordergrund steht beispielsweise die Approximation einer so genannten effektiven Korrelationsdimension, die Bestimmung der maximalen Lyapunov-Exponenten, Detektionsverfahren für Muster bei Zellularen Nichtlinearen Netzwerken, die Bestimmung der mittleren Phasenkohärenz und Verfahren zur nichtlinearen Prädiktion von EEG-Signalen. Trotz umfangreicher Bemühungen kann bis heute eine Erkennung von Anfallsvorboten mit einer Sensitivität und Spezifität, die eine automatisierte Anfallsvorhersage ermöglichen würde, noch nicht durchgeführt werden. In diesem Beitrag werden neue Ergebnisse zur Prädiktion von EEG-Signalen bei Epilepsie vorgestellt. Dabei werden Signale, welche mittels intrakranieller electrocorticographischer (ECoG) und stereoelectroencephalographischer (SEEG) Ableitungen registriert wurden, segmentweise analysiert. Unter der Annahme, dass sich Änderungen des Systems ,,Gehirn" als Änderungen im Prädiktor, d.h. in seinen Systemparametern widerspiegeln, könnte eine nähere Betrachtung der Prädiktoreigenschaften zu einer Erkennung von Anfallsvorboten führen.
We explain how fluctuations of ratios can constrain and falsify the statistical model of particle production in heavy ion collisions, using K/p fluctuations as an example. We define an observable capable of determining which statistical model, if any, governs freeze-out in ultrarelativistic heavy ion collisions. We calculate this observable for K/p fluctuations, and show that it should be the same for RHIC and LHC energies, as well as independent of centrality, if the Grand-Canonical statistical model is an appropriate description and chemical equilibrium applies. We describe variations of this scaling for deviations from this scenario, such as light quark chemical non-equilibrium, strange quark over-saturation and local conservation (canonical ensemble) for strange quarks. We also introduce a similar observable capable, together with the published K*/K measurement, of ascertaining if an interacting hadron gas phase governs the system between thermal and chemical freeze-out, and of ascertaining its duration and impact on hadronic chemistry.