Recherche de la matière noire à photons sombres dans les données LIGO O1

Recherche de la matière noire à photons sombres dans les données LIGO O1

Estimation des effets induits par le DPDM

Grâce à la virialisation, les particules DPDM de notre galaxie ont une vitesse typique autour de \({v}_{0}\equiv 1{0}^{-3}\) de la vitesse de la lumière, et donc ils sont hautement non relativistes. L’énergie totale d’une particule DM est alors la somme de son énergie massique et de son énergie cinétique, c’est-à-dire \({m}_{{\rm{A}}} (1+{v}_{0}^{2}/2)\). Ici et dans ce qui suit, nous utilisons des unités naturelles, c’est-à-dire \(c = \hslash = 1\). Par conséquent, la fréquence d’oscillation du champ DP est approximativement une constante, \(\omega\simeq{m}_{{\rm{A}}}\), avec \(O(1{0}^{-6})\) déviations.

Par conséquent, dans une petite période de temps et de séparation spatiale, le champ DP peut être traité approximativement comme une onde plane, c’est-à-dire,

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

Ici \({A}_{\mu,0}\) est l’amplitude du champ DP et \(\thêta\) est une phase aléatoire. L’intensité du champ DP peut être simplement écrite comme \({F}_{\mu\nu} ={\partial}_{\mu}{A}_{\nu} -{\partial}_{\nu}{A}_{\mu}\). Nous choisissons la jauge de Lorenz, \({\partial}^{\mu}{A}_{\mu} = 0\), dans ce qui suit. Dans la limite non relativiste, le champ électrique sombre est beaucoup plus fort que le champ magnétique sombre, et \({A}_{t}\) est négligeable par rapport à \({\bf{A}}\). L’amplitude du champ DP peut être déterminée par la densité d’énergie DM, c’est-à-dire \(|{{\bf{A}}}_{0}| \simeq\sqrt{2{\rho}_{{\rm{DM}}}}/{m}_{{\rm{A}}}\).

En égaliseur. (1), on néglige la contribution de l’énergie cinétique à la fréquence d’oscillation. Nous définissons également les vecteurs de polarisation et de propagation, c’est-à-dire \({{\bf{A}}}_{0}\) et \({\bf{k}}\), pour être des vecteurs constants. Cette approximation n’est valable que lorsque l’observation est effectuée dans la région de cohérence, c’est-à-dire \({t}_{{\rm{obs}}}\< \{t}_{{\rm{coh}}}\simeq\frac{4\pi}{{m}_{{\rm{A}}}{v}_{{\rm{vir}}}^{2}}\) et \({l}_{{\rm{obs}}}\<\{l}_{{\rm{coh}}} \simeq\frac{2\pi}{{m}_{{\rm{A}}}{v}_{{\rm{vir}}}}\). Par exemple, si le champ DP oscille à 100 Hz, le temps de cohérence est seulement \(1{0}^{4}\) s, beaucoup plus courte que la durée totale d’observation. Afin de modéliser le champ DPDM pendant un temps beaucoup plus long que le temps de cohérence, nous simulons le champ DPDM en additionnant linéairement de nombreuses ondes planes se propageant dans des directions échantillonnées aléatoirement. Plus de détails sont donnés dans la section « Méthodes » ci-dessous.

À partir du champ d’arrière-plan DPDM \({\bf{A}}(t, {{\bf{x}}}_{i})\), on peut déduire l’accélération induite par le DPDM sur chaque objet de test, étiqueté par index\(i\). Cela peut être écrit comme:

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

Nous utilisons ici l’approximation \({\bf{E}}\simeq{\partial}_{t}{\bf{A}}(t, {{\bf{x}}}_{i})\) pour le champ électrique sombre. \({q}_{{\rm{D}}, i} /{M}_{i}\) est le rapport charge-masse de l’objet à tester dans LIGO. Traiter un DP comme le boson de jauge de \(U{(1)}_{{\rm{B}}}\), et étant donné que les miroirs de LIGO (masses d’essai) sont principalement de la silice, \({q}_{{\rm{D}}, i}/{M}_{i} = 1/{\rm{GeV}}\). Nous notons que les résultats de la réf. 17 imposer des contraintes très fortes au scénario mesuré \(U{(1)}_{{\rm{B}}}\), en raison d’une anomalie de jauge. Cependant, les résultats obtenus dans ces articles reposent sur une hypothèse d’intégration du modèle dans une théorie complète à haute énergie afin d’annuler les anomalies \(U{(1)}_{{\rm{B}}}\). L’extension du secteur de rupture de symétrie électrofaible ou d’un autre mécanisme d’annulation d’anomalie peut éviter de telles contraintes sévères. Si l’on prend la contrainte indépendante du modèle sur une symétrie de jauge anormale, de nouvelles particules doivent être ajoutées à l’échelle d’énergie \(O(\frac{4\pi{m}_{{\rm{A}}}} {\epsilon e})\), ce qui donne \(O({\rm{TeV}})\) pour l’espace de paramètres qui nous intéresse. Étant donné que les nouvelles particules requises ne portent que des charges électrofaibles, elles sont à l’abri de diverses recherches de collisionneurs. Nous étiquetons le couplage DP–baryon comme \(\epsilon e\) où \(e\) est la constante de couplage \(U{(1)}_{{\rm{EM}}}\). Nous soulignons que nous choisissons DP comme un boson de jauge \(U{(1)}_{{\rm{B}}}\) comme modèle de référence. La même stratégie d’analyse présentée dans cette étude peut être directement appliquée à de nombreux autres scénarios, tels qu’un boson de jauge \(U{(1)}_{{\rm{B}} -{\rm{L}}}\) ou un champ scalaire, qui se couple par interactions de Yukawa. Plus de détails sur les différents modèles, ainsi que les subtilités lorsque le temps d’observation est plus long que le temps de cohérence, seront décrits dans les travaux futurs.

Estimation du rapport signal sur bruit (SNR)

Nous approchons le champ DPDM comme une onde plane dans une région de cohérence. Pour un champ DP oscillant à la fréquence \(O(100)\) Hz, la longueur de cohérence est \(O(1{0}^{9}\ {\ rm{m}})\), beaucoup plus grande que la séparation entre les deux détecteurs LIGO GW à Hanford et Livingston. Ainsi, ces deux détecteurs de GW connaissent un champ DPDM presque identique, induisant des réponses fortement corrélées. L’exploitation de la corrélation réduit considérablement le contexte de l’analyse.

Le signal DPDM est à bande extrêmement étroite, ce qui rend l’analyse de Fourier naturelle. Nous calculons d’abord des transformées de Fourier discrètes (DFT) à partir des données du domaine temporel. Le temps total d’observation est divisé en segments plus petits et contigus, chacun de duration \({T}_{{\rm{DFT}}}\), avec un temps total d’observation \({T}_{{\rm{obs}}} ={N}_{{\rm{DFT}}}{T}_{{\rm{DFT}}}\). On désigne la valeur du coefficient DFT complexe pour deux interféromètres 1 et 2, DFT\(i\), et la fréquence bin\(j\) pour être \({z}_{1(2), ij}\). Les densités spectrales de puissance unilatérales (PSD) pour deux interféromètres sont liées aux puissances brutes comme \({{\rm{PSD}}}_{1(2), ij} = 2{P} _{1(2), ij}/{T}_{{\rm{DFT}}}\). \({P}_{1(2), ij}\) sont considérées comme les valeurs d’attente pour \(/{z}_{1(2), ij}{| }^{2}\), comme estimé à partir de bins de fréquence voisins, sans signal, en supposant un bruit localement plat (en utilisant une estimation médiane de fonctionnement à 50 bins).

Pour une excellente approximation, le bruit dans les deux interféromètres LIGO est statistiquement indépendant, à l’exception de bandes particulières très étroites avec des perturbations de lignes électroniques18, qui sont exclues de l’analyse. Des descriptions détaillées des contributions au bruit LIGO à large bande peuvent être trouvées dans la réf. 19, y compris une discussion sur les contaminations environnementales potentielles qui pourraient être corrélées entre les deux détecteurs LIGO, mais dont aucun n’imiterait un signal DPDM. L’intensité du signal normalisée en utilisant la corrélation croisée de tous les DFT simultanés dans le temps d’observation peut être écrite comme suit

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

En l’absence de signal, la valeur d’attente est nulle et la variance des parties réelle et imaginaire est

$${\ sigma}_{j}^{2} = \frac{1}{{N} _{{\rm{DFT}}}}{\gauche\langle\frac{1}{2{P} _{1,j}{P}_{2,j}}\ droite\rangle}_{{N}_{{\rm{DFT}}}},$$
(4)

où \({\langle\rangle}_{{N}_{{\rm{DFT}}}}\) désigne une moyenne sur les DFTS \({N}_{{\rm{DFT}}}\), qui peuvent avoir une non-stationnarité variant lentement. SNR peut être défini par

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

Compte tenu de la faible séparation entre les interféromètres par rapport à la longueur de cohérence du DP et de leur orientation relative (rotation d’environ 90 degrés des bras d’un interféromètre projetés sur le plan de l’autre interféromètre), nous nous attendons à ce que le SNR\({}_{j}\) pour un champ DPDM fort soit principalement réel et négatif.

Facteur d’efficacité

Afin d’utiliser les valeurs réelles observées (SNR) pour fixer des limites sur le couplage DPDM en fonction de la fréquence, il faut corriger la puissance du signal perdue par le binning. Le binning nominal suggéré proposé dans la réf. 15 est \(\ Delta f/f=1{0}^{-6}\), basé sur une distribution de vitesse de Maxwell. La taille du bac dans l’espace fréquentiel est définie par \({T}_{{\rm{DFT}}}\), c’est-à-dire \(\Delta f = 1/{T}_{{\rm{DFT}}}\), ce qui est optimal à seulement \({f}_{{\rm{opt}}}\simeq 1{0}^{6}/{ T}_{{\rm{DFT}}}\). Pour une fréquence supérieure à \({f}_{{\rm{opt}}}\), le binning de fréquence relative est plus fin, ce qui implique une perte de puissance du signal dans les mesures à un seul bin. À des fréquences inférieures à \({f}_{{\rm{opt}}}\), le binning de fréquence relative est plus grossier, ce qui implique une capture complète de la puissance du signal mais au prix d’un bruit inutilement accru. Nous notons qu’il est possible que la distribution de vitesse DM s’écarte de la distribution de Maxwell d’un facteur \(O(1)\), par exemple refs. 20,21. Cependant, l’impact est faible, car la recherche à un seul bac utilisée ici dépend de la puissance intégrée dans un bac de fréquence et non pas tant de sa forme.

Sur la Fig. 1, nous montrons le spectre de puissance du signal DPDM en fonction de la fréquence, où \({f}_{0} = {m}_{{\rm{A}}}/2\pi\). Nous choisissons de normaliser l’axe des abscisses par la largeur intrinsèque du signal, déterminée par l’énergie cinétique typique des particules DM. Dans ce calcul, nous incluons l’effet de rotation de la Terre. Sans cela, le signal PSD est proportionnel à \(vf(v)\) où \(f(v)\) est la distribution de Maxwell. La rotation de la Terre élargit notre signal de \(\Delta f\approx 2{f}_{{\rm{E}}}\). Différents choix de \({f}_{0}\) entraînent des déformations légèrement différentes après l’inclusion de la rotation, mais les changements sont négligeables dans le régime de fréquence d’intérêt. Une compréhension analytique de la DSP sera présentée dans les travaux futurs.

Fig. 1: Un exemple de spectre de puissance du signal de matière noire à photons sombres et de sensibilité du détecteur correspondante.
 figure1

Le spectre de puissance du signal de matière noire à photons sombres (DPDM) est représenté en termes de contraintes caractéristiques \({h}_{{\rm{c}}}\) (rouge), avec \(U{(1)} _{{\rm{B}}}\) paramètre de couplage \({\epsilon }^{2}=1{0}^{-41}\), Fréquence d’oscillation DPDM \({f} _{0} = 500\) Hz, et vitesse typique de DPDM\({v}_{0}=1{0}^{-3}\) de la vitesse de la lumière. La sensibilité de conception LIGO avancée dans une petite fenêtre de fréquence est à peu près plate, ce qui est représenté par la ligne pointillée noire.

Le spectre de puissance de la simulation numérique est utilisé pour déterminer empiriquement les fractions de puissance tombant dans un seul bac fixe \(\Delta f / f \), où les limites du bac sont systématiquement modifiées sur la plage autorisée. La figure 2 montre les rendements résultants (fractions de puissance) pour \({T}_{{\rm{DFT}}}\) réglé sur 1800 s. La courbe en pointillés rouges montre le meilleur cas, pour lequel la limite de bin est optimale. La courbe en pointillés bleus montre le pire des cas, qui se rapproche nécessairement de \ (50\%\) pour le binning grossier (basse fréquence), tandis que la courbe pleine verte montre l’efficacité maximale moyenne sur tous les choix de limites de bin. Un ajustement à la courbe pleine verte est utilisé pour dériver les limites supérieures du couplage DPDM.

Fig. 2 : Efficacité de détection de la puissance du signal en fonction de la résolution de fréquence relative pour un temps de cohérence fixe de 1800 s.
 figure2

La courbe supérieure (rouge) est pour un choix de limite de bin optimal (a priori inconnu) pour un signal donné. La courbe inférieure (bleue) montre l’efficacité dans le pire des cas pour le choix de limite le moins optimal. La courbe du milieu (verte) montre une moyenne sur des choix de limites choisis au hasard.

Sélection et analyse des données

Les données de déformation utilisées dans cette analyse ont été téléchargées à partir du site Web du Gravitational Wave Open Science Center (GWOSC)22 et transformées pour créer des DFT 1786 1800-s coïncidant à partir des interféromètres L1 et H1. Les ensembles de données du GWOSC excluent les courtes périodes pendant lesquelles la qualité globale des données est médiocre. Le choix du temps de cohérence dans cette première recherche DPDM est quelque peu arbitraire, mais a permis une comparaison commode des artefacts de raies spectrales observés avec ceux rapportés à partir de DFTS 1800-s dans les recherches GW continues LIGO, pour lesquelles 1800 s est une durée DFT commune choisie. Un temps de cohérence plus court serait plus optimal aux fréquences supérieures à \(\sim\! 500\)Hz pour cette analyse de détection à un seul bac. En principe, un temps plus long serait plus optimal pour les fréquences plus basses, mais en pratique, des interruptions sporadiques des opérations de l’interféromètre pendant la prise de données entraînent une perte de temps de vie importante pour les DFT nécessitant de très longues périodes contiguës d’opérations coïncidentes de Hanford–Livingston.

La recherche de détections et le réglage des limites supérieures en l’absence de détection sont basés sur des valeurs « fortes » de la statistique de détection (Eq. (5)). Plus précisément, nous recherchons de grandes valeurs réelles négatives du SNR. Puisque nous cherchons sur \(\sim\! 4 \) millions de bacs DFT dans la bande 10-2000 Hz, nous devons corriger un facteur d’essai statistique important pour évaluer quelle valeur SNR est jugée « significative. »Nous choisissons une sélection de signal candidat nominal de SNR\(<-\! 5.8\), correspondant à un \(\sim\!1\) % de probabilité de fausse alarme, en supposant un bruit gaussien. En pratique, le bruit dans certaines bandes de fréquences n’est pas vraiment gaussien, ce qui conduit à des comptes excédentaires à grande SNR. Pour évaluer la gravité de cet effet, nous définissons et examinons également des bandes de contrôle (« décalages de fréquence ») dans lesquelles un bac de fréquence DFT dans un interféromètre est comparé à un ensemble de bacs de décalage de l’autre interféromètre de sorte qu’un signal DPDM véritable ne contribuerait pas à une corrélation croisée non nulle mais pour laquelle des artefacts à interféromètre unique ou des artefacts corrélés à large bande conduisent à une corrélation non nulle. Cette méthode de décalage de fréquence est analogue à la méthode de décalage de temps utilisée dans l’analyse GW transitoire. Plus précisément, nous choisissons 10 décalages de (\(-50\), \(-40\), …, \(-10\), \(+10\), …, \(+50\)) décalages de bin de fréquence pour évaluer le fond non gaussien de ces artefacts instrumentaux. Pour éviter la contamination des bandes de signal et de contrôle à partir d’artefacts connus, nous excluons de l’analyse toute bande dans \(\sim\! 0,056\) Hz d’une perturbation étroite répertoriée en réf. 18, où la marge de veto supplémentaire est de réduire la susceptibilité aux fuites spectrales des raies fortes. Nous excluons également la bande 331,3-331,9 Hz, pour laquelle des excitations d’étalonnage étroites extrêmement fortes dans les deux interféromètres entraînent une fuite spectrale se chevauchant significative et donc une corrélation non aléatoire.

La figure 3 montre les distributions des parties réelles et imaginaires du SNR (Éq. (5)) pour les deux bacs de signal (« zero lag ») en magenta et les bacs décalés en noir. Les distributions suivent de très près la courbe gaussienne idéale montrée, à l’exception d’un léger excès visible dans les queues au-delà de \(/{\rm{SNR}}| \ > \ 5\) ( notez qu’il y a \(\sim\! 10\) fois plus de bacs décalés que de bacs de signal dans les graphiques). Les seuls bins de signaux avec \(/{\rm{SNR}}| \ > \ 5.8\) proviennent des « injections matérielles » d’ondes continues connues utilisées dans la validation de la réponse du détecteur, pour lesquelles le SNR complexe peut avoir une phase arbitraire dans la corrélation croisée qui dépend de la fréquence et de la direction de la source simulée. Une enquête a été menée sur toutes les autres valeurs aberrantes de SNR (10) avec des valeurs réelles ou imaginaires ayant des magnitudes > 5. Dans tous les cas sauf trois, les bacs décalés dans les bacs voisins à moins de 0,2 Hz du bac de signal ont montré un bruit élevé, défini par une magnitude SNR > 4, suggérant une contamination non gaussienne. L’espérance de bruit gaussien pour cette gamme de valeurs aberrantes de sous-seuil (réelles ou imaginaires) est de 4,1 événements, ce qui correspond à l’observation dans des bandes propres.

Fig. 3 : Distributions des parties réelles et imaginaires du rapport signal sur bruit.
 figure3

Le rapport signal sur bruit (SNR) pour les bacs de signaux (« zero lag ») est étiqueté en magenta et les bacs retardés (de contrôle) en noir, ainsi que l’espérance gaussienne idéale en vert.

Comme aucun candidat significatif n’a été trouvé, des limites supérieures ont été fixées. Dans les recherches futures, si des candidats importants apparaissent, il sera essentiel d’évaluer leur cohérence avec les artefacts instrumentaux. Une approche simple consiste à augmenter le nombre de bacs de contrôle examinés par candidat pour évaluer une meilleure contamination potentielle non gaussienne à interféromètre unique et des artefacts corrélés à large bande. Une plus grande préoccupation serait une perturbation corrélée à bande très étroite, par exemple à partir d’instruments électroniques identiques à chaque observatoire, créant une raie spectrale nette par des prélèvements de courant électrique dans les alimentations affectant les commandes de l’interféromètre. Une enquête détaillée à l’aide de canaux instrumentaux auxiliaires et environnementaux serait justifiée, afin d’exclure une telle interférence.

Nouvelles contraintes à partir des données LIGO O1

Nos principaux résultats sont présentés à la Fig. 4. Nous montrons les limites supérieures du niveau de confiance dérivé \(95\%\) sur le paramètre \({\epsilon}^{2}\) pour le couplage DP–baryon, en fonction de la fréquence d’oscillation DPDM. La large bande rouge montre la plage des limites supérieures obtenues avec le binning \(1/1800\) Hz, en utilisant la partie réelle mesurée de la statistique de détection SNR définie ci–dessous et le formalisme Feldman-Cousins (FC)23 et après application d’une correction d’efficacité discutée ci-dessous. La courbe jaune montre la limite supérieure attendue pour un réel mesuré moyen (SNR) = 0, en appliquant le même formalisme FC et la même correction d’efficacité. La courbe bleu foncé montre une limite supérieure plus optimale attendue lorsque le binning DFT s’ajuste avec la fréquence pour maintenir \(\Delta f/f=1{0}^{-6}\) pour le même temps d’observation de 893 h, pour la même correction d’efficacité, et pour une sensibilité moyenne du détecteur égale à celle de l’analyse. Les courbes jaune et bleu foncé s’accordent bien entre elles à environ 500 Hz, où \(1/1800\)Hz est le choix optimal de la taille du bac. La limite supérieure moyenne atteinte est généralement pire que la sensibilité optimale, car avec une taille de bac fixe à \(1/1800 \) Hz, un bruit excessif est inclus à basse fréquence et une certaine puissance du signal est perdue à haute fréquence. La courbe en pointillés montre les limites supérieures dérivées du groupe Eöt-Wash sur la base de tests de principe d’équivalence utilisant un équilibre de torsion24,25. Étant donné les données LIGO O1, en supposant que DP constitue tous les DM, nous avons déjà amélioré les limites existantes dans une fenêtre de masse autour de \({m}_{{\rm{A}}}\sim 4\;\times\,1{0}^{-13}\) eV.

Fig. 4: Limites supérieures du niveau de confiance dérivé \(95\%\) sur le paramètre de couplage \({\epsilon}^{2}\) pour le couplage photon-baryon foncé.
 figure4

La large bande rouge montre les limites supérieures réelles avec le binning \(1/1800\) Hz. La courbe jaune montre la limite supérieure attendue pour un réel mesuré moyen (SNR) = 0. La courbe bleu foncé montre la limite supérieure « optimale » attendue lorsque le binning de la transformée de Fourier discrète (DFT) s’ajuste avec la fréquence pour maintenir \(\Delta f/f=1{0}^{-6}\) pour le même temps d’observation de 893 h. La courbe magenta montre la limite supérieure « optimale » attendue pour une exécution en temps de vie de 2 ans, \(100\%\) à une sensibilité de conception LIGO avancée (« O4-O5 »). La courbe en pointillés montre les limites supérieures dérivées du groupe Eöt-Wash 24,25. Il s’agit d’une expérience de cinquième force, dont la contrainte ne repose pas sur le fait que le photon sombre (DP) est de la matière noire (DM). Les grandes pointes de courbes rouges et bleues, superposées les unes sur les autres, sont induites par des sources de bruit connues, telles que les vibrations des fibres de suspension miroir.

Les recherches futures dans des données plus sensibles exploreront plus profondément un \({\epsilon }^{2}\)–\({ m}_ {{\rm{A}}}\) espace de paramètres. En supposant l’absence de découverte et un arrière-plan stochastique GW véritable négligeable, la courbe magenta montre la limite supérieure « optimale » attendue pour une exécution en temps de vie de 2 ans, \(100\%\) à une sensibilité de conception LIGO avancée (« O4-O5 »). Cette limite semble plus lisse, car elle utilise une courbe de sensibilité de conception qui ne montre que les sources de bruit fondamentales, tandis que la courbe bleue inclut des artefacts de bruit supplémentaires non fondamentaux qui n’ont pas encore été atténués lors de la mise en service du détecteur LIGO, tels que la contamination du réseau électrique à 60 Hz et les harmoniques et les vibrations environnementales. Les simulations décrites ci-dessous ont révélé une erreur d’un facteur 4 dans le \({\epsilon }^{2}\)–\({ m}_{{\rm{A}}}\) graphique de sensibilité en réf. 15. Cette erreur a été corrigée dans la présente étude. À mesure que les détecteurs de GW deviendront plus sensibles à l’avenir, on s’attend à ce qu’un arrière-plan stochastique de GW issu de fusions de coalescence binaire compacte émerge éventuellement, avec un signal stochastique à large bande intégré peut-être détectable dès le run O4-O526. Néanmoins, le pouvoir de déformation stochastique des GW résultant des fusions dans un seul bac de recherche DPDM restera négligeable pour les années à venir.

L’inclusion d’un réseau mondial de détecteurs, tels que Virgo, KAGRA et LIGO-India, améliore en principe la sensibilité de recherche DPDM. Le degré d’amélioration dépend cependant des alignements relatifs entre ces détecteurs ainsi que de leurs sensibilités. Le détecteur Virgo est actuellement moins sensible que les deux détecteurs LIGO. De plus, son orientation n’est pas bien alignée avec celles des détecteurs LIGO. Les futurs détecteurs de troisième génération, tels que le télescope Einstein et l’Explorateur Cosmique, auront un bruit beaucoup plus faible, permettant des recherches DPDM encore plus sensibles.

Laisser un commentaire

Votre adresse e-mail ne sera pas publiée.