Login
- Originaltitel:
- QCD Corrections and AI Alignment in Particle Physics: A Dual Approach toward Massive Scattering Amplitude Computations
- Übersetzter Titel:
- QCD-Korrekturen und KI-Alignment in der Teilchenphysik: Ein dualer Ansatz zur Berechnung massiver Streuamplituden
- Autor:
- Kreer, Philipp Alexander
- Jahr:
- 2025
- Dokumenttyp:
- Dissertation
- Fakultät/School:
- TUM School of Natural Sciences
- Institution:
- Professur für Theoretische Teilchenphysik (Prof. Tancredi)
- Betreuer:
- Tancredi, Lorenzo (Prof. Dr.)
- Gutachter:
- Tancredi, Lorenzo (Prof. Dr.); Weiler, Andreas (Prof. Dr.)
- Sprache:
- en
- Fachgebiet:
- PHY Physik
- Stichworte:
- QCD Corrections; Massive Scattering Amplitudes; Feynman Integrals; AI Alignment
- Übersetzte Stichworte:
- QCD Korrekturen; Massive Streuamplituden; Feynman Integrale; KI Alignment
- TU-Systematik:
- PHY 410
- Kurzfassung:
- High Luminosity LHC and future gravitational-wave observatories demand theoretical predictions at unprecedented precision. This thesis delivers analytical and numerical one-loop QCD corrections to the scattering amplitudes for tt̄H and tt̄W production, computes the two-loop unequal-mass H-graph integral, and discusses AI alignment in the context of multi-loop scattering amplitude computations. A physics-informed deep-learning framework is applied to detect sandbagging in Large Language Models.
- Übersetzte Kurzfassung:
- Der High-Luminosity-LHC und künftige Gravitationswellenobservatorien erfordern theoretische Vorhersagen mit beispielloser Präzision. Diese Arbeit liefert analytische und numerische Einschleifen-QCD-Korrekturen der Streuamplituden für tt̄H- und tt̄W-Produktion, berechnet das Zweischleifen-H-Graph-Integral mit ungleichen Massen und diskutiert KI-Alignment im Kontext von Streuamplituden. Ein physikinformiertes Deep-Learning-Framework wird verwendet, um Sandbagging in Sprachmodellen zu erkennen.
- WWW:
- https://mediatum.ub.tum.de/?id=1780617
- Eingereicht am:
- 06.05.2025
- Mündliche Prüfung:
- 01.07.2025
- Dateigröße:
- 3221604 bytes
- Seiten:
- 182
- Urn (Zitierfähige URL):
- https://nbn-resolving.org/urn:nbn:de:bvb:91-diss-20250701-1780617-0-4
- Veröffentlicht am:
- 01.08.2025
BibTeX