Leading QCD corrections for indirect dark matter searches: A fresh look
Notice bibliographique
Résumé
The annihilation of nonrelativistic dark matter particles at tree level can be strongly enhanced by the radiation of an additional gauge boson. This is particularly true for the helicity-suppressed annihilation of Majorana particles, like neutralinos, into fermion pairs. Surprisingly, and despite the potentially large effect due to the strong coupling, this has so far been studied in much less detail for the internal bremsstrahlung of gluons than for photons or electroweak gauge bosons. Here, we aim at bridging that gap by presenting a general analysis of neutralino annihilation into quark anti-quark pairs and a gluon, allowing e.g. for arbitrary neutralino compositions and keeping the leading quark mass dependence at all stages in the calculation. We find in some cases largely enhanced annihilation rates, especially for scenarios with squarks being close to degenerate in mass with the lightest neutralino, but also notable distortions in the associated antiproton and gamma-ray spectra. Both effects significantly impact limits from indirect searches for dark matter and are thus important to be taken into account in, e.g., global scans. For extensive scans, on the other hand, full calculations of QCD corrections are numerically typically too expensive to perform for each point in parameter space. We present here for the first time an efficient, numerically fast implementation of QCD corrections, extendable in a straightforward way to nonsupersymmetric models, which avoids computationally demanding full one-loop calculations or event generator runs and yet fully captures the leading effects relevant for indirect dark matter searches. In this context, we also present updated constraints on dark matter annihilation from cosmic-ray antiproton data. Finally, we comment on the impact of our results on relic density calculations.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,011 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,003 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,013 | 0,003 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».