Global analyses of Higgs portal singlet dark matter models using GAMBIT
Notice bibliographique
Résumé
We present global analyses of effective Higgs portal dark matter models in the frequentist and Bayesian statistical frameworks. Complementing earlier studies of the scalar Higgs portal, we use GAMBIT to determine the preferred mass and coupling ranges for models with vector, Majorana and Dirac fermion dark matter. We also assess the relative plausibility of all four models using Bayesian model comparison. Our analysis includes up-to-date likelihood functions for the dark matter relic density, invisible Higgs decays, and direct and indirect searches for weakly-interacting dark matter including the latest XENON1T data. We also account for important uncertainties arising from the local density and velocity distribution of dark matter, nuclear matrix elements relevant to direct detection, and Standard Model masses and couplings. In all Higgs portal models, we find parameter regions that can explain all of dark matter and give a good fit to all data. The case of vector dark matter requires the most tuning and is therefore slightly disfavoured from a Bayesian point of view. In the case of fermionic dark matter, we find a strong preference for including a CP-violating phase that allows suppression of constraints from direct detection experiments, with odds in favour of CP violation of the order of 100:1. Finally, we present DDCalc 2.0.0, a tool for calculating direct detection observables and likelihoods for arbitrary non-relativistic effective operators.
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 | 0,004 | 0,010 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,003 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 0,000 |
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 ».