First WIMP results of XENONnT and its signal reconstruction
Notice bibliographique
Résumé
As physicists, we are trying to solve the puzzle that is our Universe. Yet, ordinary, baryonic matter, only accounts for 16% of the total mass of the Universe. The remaining 84% should be some form of matter that has never been observed. This mysterious matter component is called Dark Matter. XENONnT is one of the experiments at the forefront of the search for Dark Matter, and located at a deep underground lab in Italy. It searches, primarily, for a Dark Matter candidate called the weakly interacting massive particle (WIMP) by monitoring a volume of liquid xenon. Other experiments like the Super Cryogenic Dark Matter Search (SuperCDMS) at SNOLAB in Canada, use semiconductors (germanium and silicon) as target materials and may also detect WIMPs, especially if they are relatively light. In this thesis we describe how XENONnT aims to detect WIMPs if they interact with liquid xenon, and how well XENONnT or SuperCDMS may be able to reconstruct the properties of Dark Matter if we find it. In this case, and by combining the results of XENONnT and SuperCDMS, the properties of Dark Matter will be more precisely reconstructed. We further describe the data acquisition and the signal reconstruction of XENONnT. The final chapter of this thesis discusses the latest Dark Matter search result of XENONnT, which sets new stringent limits to the cross-section of the WIMP scattering off ordinary matter.
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 | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,002 |
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 ».