定改概脱离 定改概脱离
关注数: 67 粉丝数: 115 发帖数: 4,536 关注贴吧数: 105
求推荐一些特别番剧,实在不行游戏也可以啊,最近又没什么想看的 求推荐一些特别番剧,实在不行游戏也可以啊,最近又没什么想看的了,之前在晚上在宫吧发过一次,太晚了没人回复我,也在几个群里问过,没有什么好结果,具体要求比较难以满足; 番剧一.1一个画风比较特别的异世界背景,比如来自深渊和末日时,但其实我更加希望看到波斯印度爱琴海的建筑物风格,如果不能满足可部分忽略。时代背景最好不要是现代,异世界奇幻科技风格的未来也可。 一.2,有些黑深残或者至少很能触动人心的剧情,例子如上,但我觉得总是前面两个例子少了点我期待的味道。 (还有请不要特别看重黑深残) 一.3女主角至少应该在主要剧情中表现地足够善良有同情心。 一.4有足够的通用宗教氛围,最好有用美少女献祭或者做出牺牲之类的剧情,地狱少女不满足1和3,花冠之泪看了一集觉得宗教味不够,尤斯缇亚不是番剧而且玩过了。 一.5女主角最好不要穿得太严实,最好能像兰斯里的希露那样的穿著什么的(狗头) 抱歉,条件太多了,估计也没有能全部满足的番,那么有没有部分满足上述特点的番呢?哪怕有两三点就够了,求大佬,感激不尽。 还.没完, 番剧二.1一部讲美少女们滑冰体操或者跳舞的番剧,(个人吐槽:为什么冰上的尤里,体操武士大多都是男人?日本女生都去赛跑了吗?别跟我说花舞少女,那根本… 二.2如果是舞蹈的话,最好是翠星和无限LJ里的那种舞蹈,芭蕾也可以,就是没有那种异域风情。 二.3最好是在宗教仪式上给神明表演什么的,抑或是EXEC_PAJA_M/.#Misya extracting里描述的舞跳不好就会被妖怪吃掉之类的恶趣味剧情。 特别喜欢这些小众的文化要素,希望有大佬知道那些东西,告诉我时请标清楚,一共两个类型,一是类似异世界的番剧,二是艺术和体育番,子项目并不需要全部满足,如果满足哪些子项目请说清楚,这样方便我看 谢谢大家,还有,我应该去那些吧问会比较有效果?
这是唯一一篇有关super asymmety的文章 超级不对称 2010年9月 - 测量G对反应γp→K+Λ的预期方法 迄今的故事... Σ可观察值修改整体微分截面,如下所示: σ减小=σö{1个±PγΣcos(2φ)} 测量Σ的一种方法是采取介子(我的情况下为kaon)φ角度不对称的线偏振光束的偏振态之间的角度,并从cos(2φ)的拟合幅度中提取Σ。 在P(γ,||)= P(γ,⊥)并且目标是非极化的简单情况下: Ñ∥,⊥〜1±PγΣcos(2φ)不对称=(N∥- N的⊥)/(N∥+ N⊥)= PγΣcos(2φ) 一些模拟数据(20M事件; 10M段,10M perp,30φbin,Σ= 0.5,P(γ,||)= P(γ,⊥)= 100%)  Kaonφ分布(段)Kaonφ分布(perp)不对称 在纵向极化的目标上,可以访问光束目标双偏振可观测的G。但是,这稍微复杂一些。对于初学者来说,缩小的横截面由sin(2φ)项修改: σ减小=σö{1±PγΣcos(2φ)∓PγPžģSIN(2φ)} 这个G项的影响可以看作两个目标状态之间光束不对称的相移形式(因为翻转目标偏振态翻转G项)。 然后可以从cos(2φ)+ sin(2φ)拟合中提取Σ和G观测量。 一些更多的模拟数据(40M事件;每个独特偏振态10M,30个Φbin,Σ= 0.5,G = 0.8,P(γ,||)= P(γ,⊥)= 100%,P(z,+)= P(z, - )= 100%)  Kaonφ分布(para,+ z)Kaonφ分布(perp,+ z)光束状态的不对称性(+ z)Kaonφ分布(para,-z)Kaonφ分布(perp,-z)光束状态的不对称性(-z) 到现在为止还挺好。但是,必须有一种方法来组合所有数据,以便为每个垃圾箱单独测量G ... “超级不对称” 不对称技术对G观察值的自然延伸似乎是为每个目标状态采取不对称分布的不对称性。这将允许所有的数据进行组合,并希望允许G基于cos(2φ)+ sin(2φ)函数进行拟合提取。 再次,在简单的情况下,其中P(γ,∥)= P(γ,⊥),和P(Z,+)= P(Z, - ): Ñ∥,+ Z〜1 + PγΣcos(2φ) - PγPžģSIN(2φ)Ñ⊥,+ Z〜1 - PγΣcos(2φ)+ PγPžģSIN(2φ)Ñ∥,-z〜1 + PγΣcos(2φ)+ PγPžģSIN(2φ)Ñ⊥,-z〜1 - PγΣcos(2φ) - PγPžģSIN(2φ) ASYM+ Z=(N∥,+ Z- N的⊥,+ Z)/(N∥,+ Z+ N⊥,+ Z)= PγΣcos(2φ)+ PγPžģSIN(2φ)ASYM-z=(N∥,-z- N的⊥,-z)/(N∥,-z+ N⊥,-z)= PγΣcos(2φ) - PγPžģSIN(2φ) 并采取超级不对称: 甲+ Z= PγΣcos(2φ)+ PγPžģSIN(2φ)甲-z= PγΣcos(2φ) - PγPžģSIN(2φ)ASYM超级=(A+ Z-甲-z)/(A+ Z+ A-z)= 2PγPžģSIN(2φ)/ 2PγΣcos(2φ)=(PžG /Σ)黄褐色(2φ ) 让我们看一下这在模拟数据从之前(10M事件为每个唯一的偏振状态,30个φ箱,Σ= 0.5,G = 0.8,P(γ,∥)= P(γ,⊥)= 100%,P( z,+)= P(z, - )= 100%)。由上面的±cos(2φ)∓sin(2φ)表达式的不对称性构成的函数(在这种简单情况下,它减少到tan(2φ)函数)。  束状态的不对称性(+ z)束状态的不对称性(-z)超级不对称性 注意:超级不对称的拟合参数与其给定值非常接近,统计框将其舍入(实际拟合值为Σ= 0.500008±0.005010和G = 0.799969±0.008028) 符合数据 使用事件发生器,能够查看“理想”的kaonφ分布并产生不对称性和超级不对称性,以便基于cos(2φ)+ sin(2φ)函数开发拟合函数,该函数减少到tan 2φ)函数在这种理想情况下,其中每个状态的所有极化相等。 不幸的是,这些数据远不是这种理想的设置,对于每个光束和目标设置有不同的极化。超级不对称确实看起来有点像它可以通过tan函数拟合,但某些点上的错误非常大。例如,这里是1.3 GeV数据  在不对称情况下,还需要考虑目标的分子性质,但这是目前的另一个故事。 通过为这些非理想情况生成事件,可以修改拟合函数以解释波束和目标极化,然后可以开始对数据进行测试。目前正在进行中。 在非理想情况下,极化不相等,超级不对称不会分解为tan(2φ)函数。相反,推导过程就像这样; Ñ∥,+ Z〜1 + P(γ,∥)Σcos(2φ+φö) - P(γ,∥)P(+ Z)g ^ SIN(2φ+φö)Ñ⊥,+ Z〜1 - P(γ,⊥)Σcos(2φ+φö)+ P(γ,⊥)P(+ Z)g ^ SIN(2φ+φö)Ñ∥,-z〜1 + P(γ,∥)Σcos(2φ+φö)+ P(γ,∥)P(-Z)ģSIN(2φ+φö)Ñ⊥,-z〜1 - P(γ,⊥)Σcos(2φ+φö) - P(γ,⊥)P(-Z)ģSIN(2φ+φö) Asym+ z=(N||,+ z-N⊥,+ z)/(N||,+ z+N⊥,+ z)ASYM-z=(N∥,-z- N的⊥,-z)/(N∥,-z+ N⊥,-z) 并且使用以下函数(即不是tan(2φ)函数来拟合超级不对称性(Asymsuper=(A+ z-A-z)/(A+ z+ A-z)),只是减少到一当所有状态的极化相等时): (((1 + [0] * P(γ,∥)* COS(2φ-[2]) - [1] * P(γ,∥)* P(Z,+)* SIN(2φ-[2] )) - (1 - [0] * P(γ,⊥)* COS(2φ-[2])+ [1] * P(γ,⊥)* P(Z,+)* SIN(2φ-[2 ]))/((1+ [0] * P(γ,||)* cos(2φ-[2]) - [1] * P(γ,||)* P(z,+)* sin(2φ (2) - [2]))+(1- [0] * P(γ,⊥)* cos(2φ-[2])+ [1] * P(γ,⊥)* P(z,+)* sin 2φ-[2]))) - ((1 + [0] * P(γ,∥)* COS(2φ-[2])+ [1] * P(γ,∥)* P(Z, - )* SIN(2φ-[2])) - (1 - [0] * P(γ,⊥)* COS(2φ-[2]) - [1] * P(γ,⊥)* P(Z, - )* SIN(2φ-[2])))/((1 + [0] * P(γ,∥)* COS(2φ-[2])+ [1] * P(γ,∥)* P(Z , - )* SIN(2φ-[2]))+(1 - [0] * P(γ,⊥)* COS(2φ-[2]) - [1] * P(γ,⊥)* P( Z, - )* SIN(2φ-[2]))))/(((1 + [0] * P(γ,∥)* COS(2φ-[2]) - [1] * P(γ, ∥)* P(Z,+)* SIN(2φ-[2])) - (1 - [0] * P(γ,⊥)* COS(2φ-[2])+ [1] * P(γ ,⊥)* P(z,+)* sin(2φ-[2])))/((1+ [0] * P(γ,||)* cos(2φ-[2]) - [1] * P(γ,‖)* P(z,+)* sin(2φ-[2]))+(1 - [0] * P(γ,⊥)* cos(2φ-[2])+ [1] * P(γ,⊥)* P(z,+)* SIN(2φ-[2])))+((1 + [0] * P(γ,∥)* COS(2φ-[2])+ [1] * P(γ,∥)* P(Z , - )* SIN(2φ-[2])) - (1 - [0] * P(γ,⊥)* COS(2φ-[2]) - [1] * P(γ,⊥)* P( Z, - )* SIN(2φ-[2])))/((1 + [0] * P(γ,∥)* COS(2φ-[2])+ [1] * P(γ,∥)* P(Z, - )* SIN(2φ-[2]))+(1 - [0] * P(γ,⊥)* COS(2φ-[2]) - [1] * P(γ,⊥ )* P(z, - )* sin(2φ-[2])))) 下面超级不对称来自非等于极化(每状态10M事件,30个φ箱,Σ= 0.5,G = 0.8,P(γ,∥)= 80%,P(γ,⊥)= 70%,P( z,+)= 75%,P(z, - )= 65%)。  束状态的不对称性(+ z)束状态的不对称性(-z)超级不对称性 迈向真实数据 下一步是生成一些类似于真实数据的模拟数据。波束和目标极化的平均值由g9a波束时间估算,Σ受其他数据集约束(即Craig Paterson的g8b测量结果),G给出一个通用已知值(其将受到当前理论预测的限制)。 每个状态1M事件,20个φ仓,Σ= 0.45,G = 0.3,P(γ,∥)= P(γ,⊥)= 70%,P(Z,+)= 85%,P(Z, - )= 80%  束状态的不对称性(+ z)束状态的不对称性(-z)超级不对称性 对于这个较低统计数据生成的数据集,超级不对称拟合现在要求给出参数的初始值。这些由cos(2φ)+ sin(2φ)拟合的平均值确定。为了拟合实际数据,Σ的初始值将被设置,并受到非极化目标的测量约束。 一个更小的模拟数据集 每偏振状态20,000个事件,20个φ仓,Σ= 0.45,G = 0.3,P(γ,∥)= P(γ,⊥)= 70%,P(Z,+)= 85%,P(Z, - )= 80%  束状态的不对称性(+ z)束状态的不对称性(-z)超级不对称性 对于这种拟合,Σ已被固定在其已知值(0.45),但当值被限制在其已知值附近时,拟合仍然有效。 斯图亚特费根最后一次修改:2010年9月14日星期二13:35:30 IST
1 下一页