Dark Photon and Muon <mml:math xmlns:mml="http://www.w3.org/1998/Math/MathML" display="inline"><mml:mi>g</mml:mi><mml:mo>−</mml:mo><mml:mn>2</mml:mn></mml:math> Inspired Inelastic Dark Matter Models at the High-Energy Intensity Frontier
Notice bibliographique
Résumé
We study hidden-sector particles at past (CERN-Hamburg-Amsterdam-Rome-Moscow Collaboration and NuCal), present (NA62, SeaQuest, and DarkQuest), and future (LongQuest) experiments at the high-energy intensity frontier. We focus on exploring the minimal vector portal and the next-to-minimal models in which the productions and decays are decoupled. These next-to-minimal models have mostly been devised to explain experimental anomalies while avoiding existing constraints. We demonstrate that proton fixed-target experiments provide one of the most powerful probes for the MeV to few GeV mass range of these models, using inelastic dark matter (iDM) as an example. We consider an iDM model with a small mass splitting that yields the observed dark matter relic abundance, and a scenario with a sizable mass splitting that can also explain the muon g-2 anomaly. We set strong limits based on the CERN-Hamburg-Amsterdam-Rome-Moscow Collaboration and NuCal experiments, which come close to excluding iDM as a full-abundance thermal dark matter candidate in the MeV to GeV mass range. We also make projections based on NA62, SeaQuest, and DarkQuest and update the constraints of the minimal dark photon parameter space. We find that NuCal sets the only existing constraint in ε∼10^{-8}-10^{-4} regime, reaching ∼800 MeV in dark photon mass due to the resonant enhancement of proton bremsstrahlung production. These studies also motivate LongQuest, a three-stage retooling of the SeaQuest experiment with short (≲5 m), medium (∼5 m), and long (≳35 m) baseline tracking stations and detectors as a multipurpose machine to explore new physics.
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 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,001 |
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 ».