Warming nuclear pasta with dark matter: kinetic and annihilation heating of neutron star crusts
Notice bibliographique
Résumé
Neutron stars serve as excellent next-generation thermal detectors of dark matter, heated by the scattering and annihilation of dark matter accelerated to relativistic speeds in their deep gravitational wells. However, the dynamics of neutron star cores are uncertain, making it difficult at present to unequivocally compute dark matter scattering in this region. On the other hand, the physics of an outer layer of the neutron star, the crust, is more robustly understood. We show that dark matter scattering solely with the low-density crust still kinetically heats neutron stars to infrared temperatures detectable by forthcoming telescopes. We find that for both spin-independent and spin-dependent scattering on nucleons, the crust-only cross section sensitivity is 10 −43 − 10 −41 cm 2 for dark matter masses of 100 MeV − 1 PeV, with the best sensitivity arising from dark matter scattering with a crust constituent called nuclear pasta (including gnocchi, spaghetti, and lasagna phases). For dark matter masses from 10 eV to 1 MeV, the sensitivity is 10 −39 − 10 −34 cm 2 , arising from exciting collective phonon modes in a neutron superfluid in the inner crust. Furthermore, for any s -wave or p -wave annihilating dark matter, we show that dark matter will efficiently annihilate by thermalizing just with the neutron star crust, regardless of whether the dark matter ever scatters with the neutron star core. This implies efficient annihilation in neutron stars for any electroweakly interacting dark matter with inelastic mass splittings of up to 200 MeV, including Higgsinos. We conclude that neutron star crusts play a key role in dark matter scattering and annihilation in neutron stars.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».