Recherche de la matière sombre à l’aide de détecteurs à liquides surchauffés dans le cadre de l’expérience PICO/Picasso
Bibliographic record
Abstract
La matière sombre compte pour 85% de la matière composant l’univers et nous ne savons toujours pas ce qu’elle est. Depuis plusieurs années, l’expérience Picasso, maintenant devenue l’expérience PICO, tente d’élucider ce mystère. Les fréons de la famille des CXFY sont utilisés comme cibles de choix dans les détecteurs à liquides surchauffés de l’expérience PICO. Situés à SNOLab, en Ontario, ces détecteurs font parties des plus performant de la recherche de la matière sombre. Lors d’interactions de particules avec le liquide en surchauffe, un changement de phase est induit par le dépôt d’énergie engendré par l’interaction. Les bulles créées par l’évènement sont alors détectées par différents capteurs afin de déterminer le type d’interaction qui a eu lieu. Dans ce travail seront présentés les détecteurs à liquides surchauffés dans le cadre de la recherche de la matière sombre. Principalement, nous y verrons trois types de détecteurs utilisés par les expériences PICO et Picasso. Le principe de fonctionnement de chacun des détecteurs sera exposé en premier lieu ainsi que leur fabrication, puis leur mode d’opération et l’analyse des données. Les méthodes de calibration seront par la suite expliquées pour terminer avec une description des résultats obtenus démontrant la performance de ce type de détection.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.001 | 0.005 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.003 | 0.003 |
| Scholarly communication | 0.004 | 0.002 |
| Open science | 0.001 | 0.003 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.014 | 0.002 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".