etsittäessä pimeää fotonia pimeää ainetta LIGO O1: n datassa

etsittäessä pimeää fotonia pimeää ainetta LIGO O1: n datassa

ESTIMOIMALLA DPDM: n aiheuttamia vaikutuksia

virialisaation kautta, DPDM-hiukkasilla galaksissamme on tyypillinen nopeus noin \({v} _ {0} \ equiv 1{0}^{-3}\) valonnopeudesta, ja siten ne ovat erittäin Ei-relativistisia. DM-hiukkasen kokonaisenergia on tällöin sen massa-energian ja liike-energian summa eli \({m}_{{\rm{a}}} (1 + {v}_{0}^{2}/2)\). Tässä ja seuraavassa käytämme luonnollisia yksiköitä, eli \(C=\hslash =1\). Siksi DP-kentän värähtelytaajuus on suunnilleen vakio, \(\omega \simeq {m}_{{\rm{a}}}\), jossa \(O(1{0}^{-6})\) poikkeamat.

näin ollen pienen aikajakson ja spatiaalisen erotuksen sisällä DP-kenttää voidaan käsitellä suunnilleen tasoaaltona, ts.,

$${ A} _ {\mu }\simeq {A} _ {\mu, 0}\cos .$$
(1)

Tässä \({a}_{\mu, 0}\) on DP-kentän amplitudi ja \(\theta\) on satunnainen vaihe. DP – kentän voimakkuus voidaan kirjoittaa yksinkertaisesti muodossa \({F}_{\mu \nu }={\partial }_{\mu }{a} _ {\nu }-{\partial }_{\nu }{a} _ {\mu }\). Valitsemme Lorenzin mittarin \({\partial } ^{\mu }{a}_{\mu }=0\), joka on seuraava. Ei-relativistisessa raja-arvossa pimeä sähkökenttä on paljon voimakkaampi kuin tumma magneettikenttä, ja \({A}_{t}\) on mitätön suhteessa \({\bf{a}}\). DP-kentän suuruus voidaan määrittää DM-energiatiheyden avulla, eli \ (/{{\bf{a}}_{0}/\simeq \sqrt{2{\rho }_{{\rm{DM}}} / {m}_{{\rm{a}}}\).

Ekv. (1), laiminlyömme liike-energian osuus värähtelyn taajuus. Asetamme myös polarisaatio-ja etenemisvektorit eli \({{\bf{A}}_{0}\) ja \({\bf{k}}\) vakiovektoreiksi. Tämä approksimaatio on voimassa vain, kun havainto otetaan koherenssialueen sisällä, eli \({t}_{{\rm{obs}}}\ <\ {t} _ {{\rm {coh}}}\simeq \frac{4\pi }{{m} _ {{{\rm{a}}}{v} _ {{\RM{vir}}}^{2}}\) ja \({l}_{{\rm{OBS}}}\ <\ {l}_{{\rm{coh}}}\simeq \frac{2\pi }{{m}_{{{\rm{a}}} {v} _ {{{\rm {vir}}}}\). Jos esimerkiksi DP-kenttä värähtelee 100 Hz: n taajuudella, koherenssiaika on vain \(1{0}^{4}\) s, paljon lyhyempi kuin kokonaishavaintoaika. Jotta voidaan mallintaa DPDM-kenttä paljon pitemmäksi aikaa kuin koherenssiaika, simuloimme DPDM-kenttää laskemalla lineaarisesti yhteen monia tasoaaltoja, jotka etenevät satunnaisesti otettuihin suuntiin. Tarkemmat tiedot on esitetty alla olevassa kohdassa” menetelmät”.

DPDM: n taustakentästä \({\bf{a}}(t,{{\bf{x}}}_{i})\) voidaan johtaa DPDM: n indusoima kiihtyvyys kullekin testikohteelle, jota merkitään indeksillä \(i\). Tämä voidaan kirjoittaa:

$${{\bf{a}}_{i} (t,{{\BF{x}}}_{i})\simeq \epsilon e\frac{{q}_{{\RM{D}},I}}{{M}_{i}}{\partial }_{t}{\bf{a}} (t,{{\bf{x}}}_{i}).$$
(2)

tässä käytetään approksimaatiota \({\bf{E}}\simeq {\partial }_{t}{\bf{a}}(t,{{\bf{x}}}_{i})\) pimeälle sähkökentälle. \({q}_{{\RM{D}}, I} / {M}_{i}\) on testattavan kohteen varaus–massa-suhde LIGO: ssa. DP: tä pidetään \(U{(1)}_{{\rm{B}}}\), ja koska LIGO-Peilit (testimassat) ovat pääasiassa piidioksidia, \({q}_{{\RM{D}},I}/{m}_{i}=1/{\rm{GeV}}\). Huomaamme, että tulokset ref. 17 aseta hyvin voimakkaita rajoitteita arvioituun \(U{(1)}_{{\RM{B}}}\) – skenaarioon ulottuman anomalian vuoksi. Näissä papereissa saadut tulokset perustuvat kuitenkin oletukseen siitä, miten malli voidaan upottaa täydelliseksi teoriaksi suurella energialla, jotta \(U{(1)}_{{\rm{B}}}\) anomaliat voidaan kumota. Pidentämällä sähköheikko symmetria breaking sektori tai muu anomalia peruutusmekanismi voidaan välttää tällaisia vakavia rajoituksia. Jos otetaan mallin riippumaton rajoite anomaaliselle symmetrialle, uusia hiukkasia on lisättävä energia-asteikolla \(o (\frac{4\pi {m} _ {{\rm{a}}}}{\epsilon e})\), joka antaa \(o ({\rm{TeV}})\) parametriavaruudelle, josta olemme kiinnostuneita. Koska tarvittavat uudet hiukkaset kantavat vain sähköheikkoutta, ne ovat turvassa erilaisilta törmäyshauilta. Merkitään DP-baryonikytkentä \(\epsilon e\) missä \(e\) on \(U{(1)}_{{\rm{EM}}}\) kytkentävakio. Korostamme, että valitsemme DP: n \(U{(1)}_{{\RM{B}}}\) gauge bosonin vertailumalliksi. Samaa tässä tutkimuksessa esitettyä analyysistrategiaa voidaan soveltaa suoraan moniin muihinkin skenaarioihin, kuten \(U {(1)}_{{\RM{B}}-{\rm{L}}}\) bosoni-tai skalaarikenttään, jotka pariutuvat Yukawa-vuorovaikutusten kautta. Tarkempia tietoja eri malleista sekä hienouksia, kun havainnointiaika on pidempi kuin koherenssiaika, kuvataan tulevassa työssä.

signaali-kohinasuhde (SNR) estimointi

arvioimme DPDM-kenttää tasoaaltona koherenssialueella. Jos DP-kenttä värähtelee taajuudella \(O (100)\) Hz, koherenssipituus on \(O(1{0}^{9}\ {\rm{m}})\), paljon suurempi kuin Hanfordin ja Livingstonin kahden LIGO GW-ilmaisimen välinen ero. Näin nämä kaksi GW-ilmaisinta kokevat lähes identtisen DPDM-kentän, joka aiheuttaa voimakkaasti korreloivia vasteita. Korrelaation hyödyntäminen vähentää analyysin taustaa dramaattisesti.

DPDM-signaali on äärimmäisen kapeakaistainen, joten Fourier-analyysi on luonnollinen. Me ensin laskea diskreetti Fourier muuntaa (DFT) alkaen aika-verkkotunnuksen tiedot. Kokonaishavaintoaika jaetaan pienempiin, vierekkäisiin segmentteihin, joiden kunkin kesto on \({T}_{{\rm{DFT}}}\), ja kokonaishavaintoaika \({t}_{{\rm{obs}}}={n}_{{\rm{DFT}}}{t}_{{\rm{DFT}}}\). Merkitse kompleksisen DFT-kertoimen arvo kahdelle interferometrille 1 ja 2, DFT \(i\) ja taajuusalue \(j\) olemaan \({z}_{1(2),ij}\). Kahden interferometrin yksipuoliset tehospektrit (PSD) liittyvät raakatehoihin \({{\rm{PSD)}}}_{1(2), ij} = 2{P}_{1(2),ij}/{T}_{{\rm{DFT}}}\). \({P}_{1 (2), ij}\) oletetaan \ (/{z}_{1 (2), ij}{| }^{2}\), arvioitu naapurimaiden, ei-signaalitaajuus Roskakorit, olettaen paikallisesti Tasainen melu (käyttäen 50-bin käynnissä mediaani arvio).

erinomaisen likiarvon perusteella kahden ligo-interferometrin kohina on tilastollisesti riippumaton lukuun ottamatta erityisiä hyvin kapeita taajuuskaistoja, joilla on elektronisia viivanhäiriöitä18, jotka on jätetty analyysin ulkopuolelle. Yksityiskohtaiset kuvaukset laajakaistan ligo melun osuus löytyy ref. 19, mukaan lukien keskustelu mahdollisista ympäristösaasteista, jotka voisivat korreloida kahden LIGO-ilmaisimen välillä, mutta joista yksikään ei jäljittelisi DPDM-signaalia. Normalisoitu signaalin voimakkuus käyttäen kaikkien samanaikaisten vikojen ristikorrelaatiota havaintoaikana voidaan kirjoittaa seuraavasti

$${S}_{j}=\frac{1}{{n}_{{\rm{DFT}}}}\sum _{i=1}^{{n}_{{\rm{DFT}}}}\frac{{z}_{1,ij}{z}_{2,ij}^{* }}{{P}_{1,ij}{P}_{2,ij}}}.$$
(3)

signaalin puuttuessa odotusarvo on nolla ja reaali – ja imaginaariosien varianssi on

$${\sigma }_{j}^{2}=\frac{1}{{n}_{{\rm{DFT}}} {\left\langle \frac{1}{2{p} _ {1, j}{P} _ {2, j}}\right\rangle } _ {{n} _ {{\rm{DFT}}}},$$
(4)

missä \({\langle \rangle }_{{n}_{{\rm{DFT}}}}}\) tarkoittaa \({n}_{{\rm{DFT}}}\) DFT: n keskiarvoa, jolla voi olla hitaasti vaihteleva ei-stationaarisuus. SNR voidaan määritellä

$${{\rm{SNR}}}_{j}\equiv \frac{{s}_{j}}{{\sigma }_{j}}.$$
(5)

kun otetaan huomioon interferometrien pieni ero suhteessa DP-koherenssipituuteen ja niiden suhteelliseen suuntautumiseen (noin 90 asteen kierto yhden interferometrin käsivarsissa heijastettuna toisen interferometrin tasoon), odotamme vahvan DPDM-kentän SNR\({}_{j}\) olevan ensisijaisesti todellinen ja negatiivinen.

Hyötysuhdekerroin

jotta Havaittujen reaaliarvojen(SNR) avulla voidaan asettaa rajat hiukkassuodattimen kytkemiselle taajuuden funktiona, on korjattava sidonnassa menetetty signaaliteho. Ehdotettu nimellinen Sidonta ehdotettu viite. 15 on \(\Delta f / f=1{0}^{-6}\), perustuu Maxwellin nopeusjakaumaan. Bin koko taajuusavaruudessa asetetaan \({T}_{{\rm{DFT}}}\), ts. \(\Delta f=1 / {T} _ {{\rm{DFT}}}\), joka on optimaalinen vain \({f}_{{\rm{opt}}}\simeq 1{0}^{6}/{T} _ {\rm {DFT}}}\). Jos taajuus on suurempi kuin \({f}_{{\rm{opt}}}\), suhteellinen taajuuksien sidonta on hienompaa, mikä merkitsee signaalin tehon menetystä yhden bin mittauksissa. \({F} _ {{\rm{opt}}}}\) matalammilla taajuuksilla suhteellinen taajuuksien sidonta on karkeampaa, mikä tarkoittaa signaalin tehon täydellistä sieppaamista, mutta kohinan tarpeettoman lisääntymisen kustannuksella. Huomaamme, että on mahdollista, että DM: n nopeusjakauma poikkeaa Maxwellin jakaumasta \(O(1)\) – kertoimella, esim.refs. 20,21. Vaikutus on kuitenkin pieni, sillä tässä käytetty yksikerroshaku riippuu taajuuskerhon sisällä olevasta integroidusta tehosta eikä niinkään sen muodosta.

Viikuna. 1, näytämme dpdm-signaalin tehospektrin taajuuden funktiona, missä \({f}_{0}={m}_{{\rm{a}}} / 2\pi\). Päätämme normalisoida x-akselin sisäisen signaalin leveyden mukaan, joka määräytyy DM-hiukkasten tyypillisen liike-energian mukaan. Tähän laskelmaan otetaan mukaan maan pyörimisvaikutus. Ilman sitä signaali PSD on verrannollinen \(vf(v)\) missä \(f (v)\) on Maxwellin jakauma. Maan pyöriminen laajentaa signaaliamme \(\Delta F\approx 2{f}_{{\rm{E}}}\). Eri valinnat \({f}_{0}\) johtavat hieman erilaisiin muodonmuutoksiin rotaation mukaan ottamisen jälkeen, mutta muutokset ovat merkityksettömiä kiinnostavassa taajuusjärjestelmässä. Tulevassa työssä esitetään analyyttinen käsitys PSD: stä.

Kuva. 1: esimerkki pimeän fotonin pimeän aineen signaalin tehospektristä ja vastaavasta ilmaisimen herkkyydestä.
kuva1

pimeän fotonin pimeän aineen (DPDM) signaalin tehospektri esitetään ominaiskantojen \({h}_{{\rm{C}}}\) (punainen) avulla \(U{(1)} _ {{\RM{B}}\) kytkentäparametri \({\epsilon }^{2}=1{0}^{-41}\), DPDM: n värähtelytaajuus \({f}_{0}=500\) Hz, ja dpdm: n tyypillinen nopeus \({v}_{0}=1{0}^{-3}\) valonnopeudesta. Kehittynyt LIGO-suunnitteluherkkyys pienessä taajuusikkunassa on likimain tasainen, mikä näkyy mustana dashed-viivana.

numeerisen simulaation tehospektriä käytetään määrittämään empiirisesti yhteen kiinteään \(\Delta f/f\) bin: iin kuuluvien potenssien jakeet, joissa bin: n rajoja muunnellaan järjestelmällisesti sallitulla alueella. Kuvassa 2 esitetään \({T}_{{\rm{DFT}}}\): n tulokseksi saatavat tehokkuusedut (potenssijakeet), joiden arvo on 1800 s. Punainen pistekäyrä näyttää parhaan tapauksen, jolle bin raja on optimaalinen. Sininen dashed käyrä näyttää pahin tapaus, joka välttämättä lähestyy \(50 \%\) karkea binning (low frequency), kun taas vihreä kiinteä käyrä näyttää keskimääräinen suurin tehokkuus yli kaikki bin rajan valintoja. DPDM-Kytkimen ylärajojen määrittämiseen käytetään vihreää kiinteää käyrää.

Kuva. 2: signaalin teho yhden bin detection tehokkuus funktiona suhteellisen taajuuden erottelukyvyn kiinteä koherenssi aika 1800 s.
kuva2

ylempi (punainen) käyrä on optimaalinen bin rajan valinta (a priori tuntematon) tietyn signaalin. Alempi (sininen) käyrä näyttää huonoimman mahdollisen hyötysuhteen vähiten optimaaliselle rajavalinnalle. Keskimmäinen (vihreä) käyrä näyttää keskiarvon satunnaisesti valituista rajavalinnoista.

tietojen valinta ja analysointi

tässä analyysissä käytetyt kantatiedot ladattiin gravitaatioaalto Open Science Center (GWOSC)-website22-sivustolta ja muunnettiin siten, että L1-ja H1-interferometreistä saatiin 1786 1800-s: n yhtäaikaisia DFT-arvoja. GWOSC – tietokokonaisuuksiin ei sisälly lyhyitä ajanjaksoja, joina tietojen yleinen laatu on huono. Koherenssiajan valinta tässä ensimmäisessä DPDM-haussa on jokseenkin mielivaltainen, mutta se mahdollistaa havainnoitujen spektriviivan artefaktien kätevän vertailun 1800-s: n DFT-artefaktien kanssa ligo-jatkuvissa GW-Hauissa, joille 1800 s on valittu yhteinen DFT-kesto. Lyhyempi koherenssiaika olisi optimaalisempi yli \ (\sim\! 500\) Hz tähän yhden bin tunnistusanalyysiin. Periaatteessa pidempi aika olisi optimaalisempi matalammille taajuuksille, mutta käytännössä interferometritoimintojen satunnaiset keskeytykset tietojen ottamisen aikana johtavat merkittävään elinaikahäviöön häiriötilanteissa, jotka edellyttävät hyvin pitkiä yhtäaikaisia Hanford–Livingston-operaatioita.

havaintojen haku ja ylärajojen asettaminen havaitsematta perustuu havaitsemistilaston ”äänekkäisiin” arvoihin (Eq. (5)). Erityisesti etsimme SNR: n suuria negatiivisia reaaliarvoja. Koska etsimme yli \(\sim\! 4\) miljoonaa DFT Roskakorit taajuusalueella 10-2000 Hz, meidän on korjattava suuri tilastollinen kokeilukerroin arvioitaessa, mitä SNR arvo katsotaan ” merkittävä.”Valitsemme nimellisen signaalin ehdokasvalinnan SNR \(< -\! 5.8\), joka vastaa \(\sim \!1\)% väärän hälytyksen todennäköisyys, olettaen Gaussin kohinaa. Käytännössä joidenkin taajuusalueiden melu ei ole varsinaisesti Gaussista, mikä johtaa ylimääräisiin lukemiin suurella SNR: llä. Tämän vaikutuksen vakavuuden arvioimiseksi määrittelemme ja tutkimme myös valvontakaistoja (”taajuus lageja”), joissa yhden interferometrin DFT-taajuusaluetta verrataan toisen interferometrin offset-astioihin siten, että todellinen DPDM-signaali ei edistäisi ei-nolla-ristikorrelaatiota, mutta joiden yhden interferometrin artefaktit tai laajakaistakorrelatiiviset artefaktit johtavat ei-nollakorrelaatioon. Tämä taajuus lag-menetelmä on analoginen väliaikaisessa GW-analyysissä käytetyn aikaviivemenetelmän kanssa. Erityisesti valitsemme 10 viivettä (\(-50\), \(-40\), …, \(-10\), \(+10\), …, \(+50\)) taajuus bin siirtymät arvioida ei-Gaussin Tausta näistä instrumentaali esineitä. Jotta vältettäisiin sekä signaali-että valvontakaistojen saastuminen tunnetuista esineistä, jätämme analyysin ulkopuolelle kaikki \ (\sim\! 0,056\) Hz kapeasta häiriöstä, joka on lueteltu kohdassa ref. 18, jossa ylimääräinen veto-marginaali on vähentää alttiutta voimakkaiden linjojen spektrivuodoille. Suljemme pois myös taajuusalueen 331.3–331.9 Hz, jonka erittäin kova kapea kalibrointiviritys kahdessa interferometrissä johtaa merkittävään päällekkäiseen spektrivuotoon ja siten ei-satunnaiseen korrelaatioon.

kuva 3 esittää SNR: n reaali-ja imaginaariosien jakaumat (ekv. (5)) sekä magentan merkinantoastioille (”zero lag”) että mustalle viiveellä varustetuille säiliöille. Jakaumat noudattavat melko tarkasti esitettyä ideaalista Gaussin käyrää, lukuun ottamatta pientä ylimäärää, joka näkyy pyrstöissä \ (/{\rm{SNR}}| \ > \ 5\) (huomaa, että on \(\sim\! 10\) kertaa niin monta viiveellä Roskakorit kuin signaalin Roskakorit kuvioissa). Ainoat signaalit, joissa on \ (/{\rm{SNR}}| \ > \ 5.8\) johtuvat tunnetuista jatkuvan aallon ”laiteruiskeista”, joita käytetään ilmaisimen vasteen validoinnissa, jolloin kompleksisella SNR: llä voi olla mielivaltainen ristikorrelaatiovaihe, joka riippuu simuloidun lähteen taajuudesta ja suunnasta. Tutkimus tehtiin kaikista muista SNR: n poikkeamista (10), joiden reaali-tai imaginaariarvojen magnitudit olivat >5. Kaikissa paitsi kolmessa tapauksessa 0,2 Hz: n säteellä signaaliastiasta sijaitsevissa viereisissä säiliöissä näkyi kohinaa, joka määriteltiin SNR-magnitudilla >4, mikä viittaa ei-Gaussin saastumiseen. Gaussin melun odotus tälle alikynnyksen poikkeavalle magnitudille (todellinen tai kuvitteellinen) on 4,1 tapahtumaa, mikä vastaa havainnointia puhtailla kaistoilla.

Kuva. 3: signaalin ja kohinan suhteen reaalisten ja imaginaariosien jakaumat.
kuva3

signaali-kohinasuhde (SNR) signaaliastioille (”zero lag”) on merkitty magentalla ja lagged (control) astiat mustalla, sekä ihanteellinen Gaussin odotus vihreällä.

koska merkittäviä ehdokkaita ei löytynyt, asetettiin ylärajat. Tulevissa Hauissa, jos merkittäviä ehdokkaita ilmestyy, on kriittistä arvioida niiden johdonmukaisuutta instrumentaaliesineiden kanssa. Yksinkertainen lähestymistapa on lisätä tutkittavien kontrolliastioiden määrää kokelasta kohti, jotta voidaan arvioida paremmin mahdollista Gaussin ulkopuolista yhden interferometrin kontaminaatiota ja laajakaistayhteyden korreloivia artefakteja. Suurempi huolenaihe olisi erittäin kapeakaistainen korreloiva häiriö, kuten identtisistä elektronisista laitteista kussakin observatoriossa, joka luo terävän spektriviivan interferometrin säätöihin vaikuttavien teholähteiden sähkövirran avulla. Yksityiskohtainen tutkimus, jossa käytetään apuvälineitä ja ympäristöä koskevia kanavia, olisi perusteltua tällaisten häiriöiden poissulkemiseksi.

Uudet rajoitteet LIGO O1: n tiedoista

tärkeimmät tuloksemme on esitetty kuviossa. 4. Näytämme johdetut \(95 \%\) luotettavuustason ylärajat parametrille \({\epsilon }^{2}\) DPDM: n värähtelytaajuuden funktiona. Leveällä punaisella kaistalla esitetään ylärajat, jotka on saatu \(1/1800\) Hz: n binningillä käyttäen alla määriteltyä SNR: n havaitsemistilaston mitattua todellista osaa ja Feldman–Cousins (FC) formalism23: A ja sen jälkeen, kun on sovellettu jäljempänä kuvattua tehokkuuskorjausta. Keltainen käyrä näyttää keskimääräisen mitatun reaaliarvon(SNR) odotetun ylärajan = 0, soveltaen samaa FC formalismia ja tehokkuuskorjausta. Tummansininen käyrä näyttää optimaalisemman ylärajan odotettavissa, kun DFT-Sidonta mukautuu taajuudella \(\Delta f / f=1{0}^{-6}\) samalla 893-h: n havaintoajalla, samalla tehokkuuskorjauksella ja ilmaisimen keskimääräisellä herkkyydellä, joka on sama kuin analyysissä. Keltainen ja tummansininen käyrä sopivat hyvin yhteen noin 500 Hz: n taajuudella, jossa \(1/1800\) Hz on optimaalinen valinta lokeron kokoon. Keskimääräinen saavutettu yläraja on yleensä huonompi kuin optimaalinen herkkyys, koska kiinteän roskakorin koko on \(1/1800\) Hz, ylimääräinen kohina sisältyy matalalla taajuudella ja jonkin verran signaalin teho menetetään korkealla taajuudella. Dashed-käyrä näyttää eöt-Wash-ryhmästä johdetut ylärajat,jotka perustuvat Ekvivalenssiperiaatteella tehtyihin testeihin käyttäen vääntöbalanssi24, 25. Ottaen huomioon LIGO O1-tiedot, olettaen, että DP muodostaa kaiken DM: n, olemme jo parantaneet olemassa olevia rajoja massa-ikkunassa \ ({m}_{{\rm{a}} \sim 4\;\times\,1{0}^{-13}\) eV.

Kuva. 4: Johdetut \(95 \%\) luotettavuustason ylärajat kytkentäparametrille \({\epsilon }^{2}\) pimeän fotoni-baryonikytkennälle.
kuva4

leveä punainen kaista näyttää todelliset ylärajat \(1/1800\) Hz binningillä. Keltainen käyrä näyttää keskimääräisen mitatun reaaliarvon (SNR) odotetun ylärajan = 0. Tummansininen käyrä näyttää odotetun” optimaalisen ” ylärajan, kun diskreetti Fourier-muunnos (DFT) binning mukautuu taajuudella pitämään \(\Delta f / f=1{0}^{-6}\) samalla 893 tunnin havaintoajalla. Magenta-käyrä näyttää ”optimaalisen” ylärajan, jota odotetaan 2 vuoden \(100 \%\)-livetime-ajolle edistyneellä LIGO-suunnitteluherkkyydellä (”O4-O5”). Dashed-käyrä näyttää Eöt-Wash-ryhmästä johdettuja ylärajoja 24,25. Kyseessä on viidennen voiman koe, jonka rajoite ei perustu siihen, että pimeä fotoni (DP) olisi pimeää ainetta (DM). Punaisten ja sinisten käyrien suuret piikit, jotka ovat päällekkäin päällekkäin, syntyvät tunnetuista melulähteistä, kuten peilien ripustuskuitujen värähtelyistä.

tulevat haut arkaluonteisemmissa tiedoissa syvenevät tutkimattomaan.}^{2}\)–\({ m}_{\rm {a}}}\) parametriavaruus. Olettaen, ettei löydöstä ole ja että GW: n stokastinen tausta on mitätön, magenta-käyrä näyttää ”optimaalisen” ylärajan, jota odotetaan 2 vuoden \(100 \%\)-livetime-ajolle edistyneellä LIGO-suunnitteluherkkyydellä (”O4-O5”). Tämä raja näyttää tasaisemmalta, koska se käyttää suunnitteluherkkyyskäyrää, joka näyttää vain perustavanlaatuisia melulähteitä, kun taas sininen käyrä sisältää ylimääräisiä, ei-perustavanlaatuisia kohinaesineitä, joita ei ole vielä lievennetty LIGO-ilmaisimen käyttöönotossa, kuten verkkovirran saastuminen 60 Hz: n taajuudella sekä harmoniset ja ympäristön värähtelyt. Alla käsitellyt simulaatiot paljastivat virheen Tekijä 4 \({\epsilon }^{2}\)–\({m}_{{\rm{a}}}\) herkkyyskäyrä viite. 15. Tämä virhe on korjattu nykyisessä tutkimuksessa. GW-ilmaisimien herkistyessä tulevaisuudessa odotetaan stokastista GW-taustaa kompakteista binäärisistä koalitiokeskittymistä, ja integroitu laajakaistainen stokastinen signaali on ehkä havaittavissa jo O4-O5 run26: ssa. Tästä huolimatta GW: n stokastinen kantovoima, joka syntyy fuusioista yhdessä DPDM: n hakukontissa, pysyy olemattomana tulevina vuosina.

maailmanlaajuisen ilmaisinverkoston, kuten Virgon, Kagan ja LIGO-Intian, ottaminen mukaan parantaa periaatteessa DPDM-hakuherkkyyttä. Parannuksen aste riippuu kuitenkin näiden ilmaisimien keskinäisistä suhteellisista suuntauksista ja niiden herkkyydestä. Virgo-ilmaisin on tällä hetkellä vähemmän herkkä kuin kaksi LIGO-ilmaisinta. Lisäksi sen suunta ei ole hyvin linjassa LIGO-ilmaisimien kanssa. Tulevissa kolmannen sukupolven ilmaisimissa, kuten Einstein-teleskoopissa ja Cosmic Explorerissa, on paljon vähemmän melua, mikä mahdollistaa vielä herkemmät DPDM-etsinnät.

Vastaa

Sähköpostiosoitettasi ei julkaista.