Searching for Light Dark Matter with a Spherical Proportional Counter
Bibliographic record
Abstract
La collaboration NEWS-G mène des expériences qui recherchent des particules candidates pour la matière noire jusqu'à des masses en dessous du GeV avec un détecteur gazeux le compteur proportionnel sphérique. Le détecteur de nouvelle génération, SNOGLOBE, un compteur proportionnel sphérique de 140 cm de diamètre, a été construit et des plans pour des expériences futures sont en cours. Le travail présenté a permis de développer la compréhension du détecteur, les propriétés des gaz, les techniques de suppression de fond et le potentiel physique des futures expériences. La compréhension du champ électrique du détecteur est essentielle au fonctionnement du détecteur. Les calculs de la méthode des éléments finis ont été utilisés pour guider le développement des capteurs de lecture, tout comme un programme de simulation, dédié aux compteurs proportionnels sphériques, basé sur Geant4 et Garfield ++. L'utilisation d'une électrode de correction secondaire à résistivité élevée avec le capteur à anode unique a amélioré la stabilité opérationnelle et la résolution d'énergie du détecteur en ajustant le champ électrique. L'utilisation d'une électrode centrale, imprimée en 3D pour le capteur multi-anode ACHINOS et enrobée d’une couche de DLC a permis une percée dans la stabilité et la robustesse du détecteur. ACHINOS offre un moyen de fonctionner avec des détecteurs de plus en plus grands et à haute pression, ce qui est essentiel pour le fonctionnement du SNOGLOBE et des futures recherches sphériques proportionnelles contre les événements rares. La fraction d'énergie déposée en forme d’ionisation doit être bien comprise pour déduire l'énergie d'un noyau de recul induit par la diffusion élastique de la matière noire. Une méthode a été développée pour calculer cela à partir de mesures de précision de la valeur W dans les gaz, menées depuis plusieurs décennies. Ceux-ci fournissent des estimations expérimentales du facteur de ‘quenching’ (QF) d'ionisation dans plusieurs gaz. Le facteur QF dans CH₄ est d'une importance particulière pour la collaboration NEWS-G et est estimé à des énergies de recul en dessous du keV. La construction de détecteurs de matière noire impose des contraintes extrêmement rigoureuses concernant la radio-pureté des matériaux utilisés. Dans le cas de NEWS-G, le ²²²Rn incrusté dans le cuivre du détecteur, lors de sa fabrication, conduit à une contamination de ²¹⁰Pb, qui est la plus grande contribution au bruit de fond expérimental. Une méthode de suppression de ce fond dans le cuivre est l'électroformage, qui a été utilisé par des expériences pour produire des composants de détecteur suite à l'amélioration significative de la radio-pureté. La technique a été rééchelonnée et une couche de cuivre très pur a été déposée à la surface interne de SNOGLOBE, réduisant le fond en dessous de 1 keV par un facteur de 2,6. Il s'agit du plus grand électroformage souterrain jamais réalisé et a démontré la faisabilité de la technique sur de grandes surfaces sphériques profondément souterraines. L'amélioration de la radio-pureté qui peut être obtenue avec l'électroformage a motivé le développement de futurs compteurs proportionnels sphériques entièrement électro-formés directement dans un laboratoire souterrain. L'installation ECUME de SNOLAB produira un détecteur de 140 cm pour NEWS-G et entrera en service cette année. Lorsqu'il est installé dans le blindage du SNOGLOBE, le détecteur entièrement électro-formé augmentera la sensibilité DM de NEWS-G. Au-delà, DarkSPHERE est proposé comme successeur dans la recherche directe de matière noire NEWS-G. Le détecteur électro-formé entièrement souterrain de 3 m, installé dans un blindage de radioprotection amélioré composé principalement d'eau, aurait le potentiel d'explorer l'espace de la section efficace pour la production de la matière noir proche au plancher des neutrinos solaires, dans la gamme de masse de matière noire inférieure à 1 GeV. Le potentiel physique d'un tel détecteur a été étudié.
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 | 0.002 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.000 | 0.001 |
| Scholarly communication | 0.001 | 0.001 |
| Open science | 0.001 | 0.001 |
| Research integrity | 0.001 | 0.000 |
| Insufficient payload (model declined to judge) | 0.004 | 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".