Mesures d'étalonnage aux neutrons et caractérisation par étude Monte Carlo de la réponse des détecteurs à gouttelettes surchauffées conçus pour la recherche et la détection directe du neutralino (la matière sombre) menant aux résultats finaux de l'expérience PICASSO
Bibliographic record
Abstract
Les observations astronomiques et cosmologiques prédisent l'existence de la matière sombre, et qu'elle constituerait 85% de la masse totale de l'univers. En parallèle, la supersymétrie qui permet d'expliquer certaines lacunes du modèle standard prédit également l'existence de la matière sombre, qui prendrait la forme d'une nouvelle particule fondamentale nommée le neutralino. Le projet PICASSO a été mis sur pied afin de détecter directement les reculs nucléaires causés par la collision entre un neutralino et un atome de fluor du fréon qui compose la matière active des détecteurs à gouttelettes surchauffées. Le perfluorobutane (C4F10) est maintenu dans un état liquide métastable, et le dépôt d'énergie occasionné par un recul nucléaire provoque une transition de phase de l'état liquide à gazeux. Ce processus génère à travers le détecteur une onde de pression, et le signal acoustique résultant est enregistré par des senseurs piézo-électriques. L'étalonnage des détecteurs à gouttelettes surchauffées avec des neutrons est nécessaire pour pouvoir comprendre leur fonctionnement et afin de prédire leur réponse aux neutralinos. Cela est fait avec l'accélérateur Tandem Van de Graaff de l'Université de Montréal. Les mesures prises avec l'accélérateur sont ensuite comparées à des simulations Monte Carlo réalisées avec l’environnement de développement logiciel GEANT4 (GEometry ANd Tracking 4) qui reproduisent entièrement l'expérience d'étalonnage, de la géométrie du montage jusqu'à l'énergie déposée lors des interactions nucléaires. Les résultats de l'étalonnage permettent finalement d'obtenir de meilleures limites d'exclusion sur la section efficace dépendante du spin de l'interaction entre le neutralino et le proton qui sont extraites des données expérimentales acquises au laboratoire souterrain SNOLAB.
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 distilled prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. Learned from the 10,348 direct Codex labels and 10,348 direct Gemma labels. Candidate is the union of thresholded teacher heads; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels or direct frontier model labels.
Codex and Gemma teacher scores by category
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.002 | 0.000 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.000 | 0.000 |
| Science and technology studies | 0.004 | 0.001 |
| Scholarly communication | 0.000 | 0.001 |
| Open science | 0.001 | 0.000 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.000 | 0.000 |
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 teacher head, 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".