Simple Science

La science de pointe expliquée simplement

# Physique# Physique des hautes énergies - Expériences# Physique des hautes énergies - Phénoménologie

Étudier les transitions neutron-antineutron

Des recherches sur les transitions de particules rares pourraient changer notre vision de l'univers.

― 6 min lire


Recherche sur laRecherche sur latransitionneutron-antineutronparticules rares à MicroBooNE.À la recherche de processus de
Table des matières

Dans le domaine de la physique des particules, les scientifiques étudient de très petites particules, comme les neutrons et les antineutrons, pour comprendre les règles fondamentales qui régissent notre univers. Un processus intrigant est la transition d'un neutron en antineutron. Cette transition est intéressante car elle enfreint une règle clé de la physique connue sous le nom de conservation du nombre de baryons. En gros, la conservation du nombre de baryons dit que le nombre total de baryons (comme les protons et les neutrons) reste constant dans des systèmes isolés. Une transition qui change un neutron en antineutron remet en question notre compréhension et ouvre la porte à l'exploration de nouvelles théories en physique.

L'importance d'étudier les transitions neutron-antineutron

Comprendre les transitions neutron-antineutron peut éclairer plusieurs questions importantes. Par exemple, cela peut nous aider à comprendre pourquoi notre univers a beaucoup plus de matière que d'antimatière. Au début de l'univers, la matière et l'antimatière ont été créées en quantités égales. Cependant, on observe un univers rempli de matière. Étudier ces transitions peut aider les physiciens à développer des explications pour ce déséquilibre, ce qui pourrait mener à de nouvelles idées sur la nature même de la réalité.

L'Expérience MicroBooNE

L'expérience MicroBooNE est une installation conçue pour étudier les Neutrinos, qui sont de minuscules particules interagissant très faiblement avec la matière. Située à Fermilab, aux États-Unis, MicroBooNE utilise un détecteur spécial appelé chambre de projection temporelle à argon liquide (LArTPC). Ce type de détecteur aide à suivre et à analyser les interactions entre les particules dans un environnement d'argon liquide.

Le but principal de l'expérience MicroBooNE est de rechercher des processus rares, comme les transitions suspectées des neutrons aux antineutrons. En capturant plus de données et en améliorant les méthodes d'analyse, les chercheurs espèrent établir de nouvelles limites sur la fréquence à laquelle ces transitions peuvent se produire.

Comment fonctionne la détection

Le détecteur MicroBooNE fonctionne en super-refroidissant le gaz argon sous forme liquide. Lorsque des particules traversent ce liquide, elles créent des électrons d'ionisation. Ces électrons sont ensuite collectés par un champ électrique, permettant aux scientifiques de visualiser et d'analyser les interactions. Un système de détecteurs de lumière capte également la lumière générée pendant ces interactions.

La combinaison des signaux de charge et de lumière informe les chercheurs sur les types de particules impliquées et l'énergie qu'elles transportaient. Cette information est cruciale pour identifier les événements où un neutron pourrait se transformer en antineutron.

Apprentissage automatique en physique des particules

L'apprentissage automatique, une méthode d'enseignement des ordinateurs pour apprendre à partir de données, joue un rôle clé dans l'analyse des données collectées lors de l'expérience MicroBooNE. Les méthodes traditionnelles d'analyse de données peuvent être lentes et inefficaces, surtout lorsqu'il s'agit de rechercher des événements rares. L'apprentissage automatique aide à rationaliser ce processus en identifiant des motifs et en faisant des prédictions basées sur des données passées.

Dans le cas des transitions neutron-antineutron, des algorithmes d'apprentissage automatique sont formés pour reconnaître les signatures uniques que ces transitions pourraient créer, les séparant des interactions plus communes, comme celles causées par des rayons cosmiques.

Le processus d'analyse

Pour rechercher ces transitions, les chercheurs commencent par rassembler des données hors faisceau, qui sont collectées lorsqu'il n'y a pas de faisceau de neutrinos actif. Ils utilisent ensuite des algorithmes sophistiqués pour filtrer ces données, à la recherche de grappes d'interactions qui correspondent aux modèles attendus pour les transitions neutron-antineutron.

L'analyse comprend plusieurs étapes. Au départ, une sélection préliminaire est faite pour filtrer la plupart du bruit de fond provenant d'autres interactions, comme celles causées par des rayons cosmiques. Les chercheurs appliquent ensuite des techniques de sélection basées sur l'image à l'aide de réseaux neuronaux pour affiner encore plus les données et identifier des signaux potentiels.

Résultats de l'analyse

Après une analyse approfondie, les chercheurs n'ont pas trouvé d'événements excédentaires pouvant indiquer une transition neutron-antineutron. Cependant, cela ne signifie pas que la recherche a échoué. Au contraire, cela permet aux scientifiques de fixer de nouvelles limites sur le temps que peuvent prendre ces transitions. En observant l'activité de fond attendue et en ne trouvant aucun signal, ils ont établi une limite inférieure sur la probabilité de ces transitions dans les noyaux d'argon.

Implications futures

Le travail effectué lors de l'expérience MicroBooNE souligne le potentiel pour de futures études en physique des particules. Grâce aux avancées technologiques et aux techniques d'analyse de données, les chercheurs sont mieux équipés pour étudier des processus rares qui pourraient révéler de nouvelles physiques.

Le succès de l'expérience MicroBooNE prépare également le terrain pour de futures expériences, y compris des détecteurs plus grands comme le Deep Underground Neutrino Experiment (DUNE). Ces projets à venir disposeront de plus de ressources et d'une meilleure protection, permettant aux scientifiques de mener des recherches encore plus sensibles sur des processus de particules rares.

Conclusion

Les transitions neutron-antineutron représentent un domaine de recherche passionnant en physique des particules. Bien que l'expérience MicroBooNE n'ait pas trouvé de preuves directes de ces transitions, ses méthodologies et ses résultats ont ouvert de nouvelles portes pour comprendre l'univers. La recherche continue de ces processus rares souligne l'effort collaboratif entre scientifiques pour repousser les limites de nos connaissances. Chaque expérience, chaque point de données et tous les progrès technologiques contribuent à une image plus claire des composants fondamentaux qui constituent notre monde. Alors que les chercheurs poursuivent leur travail, ils nous rapprochent de réponses à certaines des questions les plus profondes sur la nature de la matière, de l'antimatière et de l'univers lui-même.

Source originale

Titre: First application of a liquid argon time projection chamber for the search for intranuclear neutron-antineutron transitions and annihilation in $^{40}$Ar using the MicroBooNE detector

Résumé: We present a novel methodology to search for intranuclear neutron-antineutron transition ($n\rightarrow\bar{n}$) followed by $\bar{n}$-nucleon annihilation within an $^{40}$Ar nucleus, using the MicroBooNE liquid argon time projection chamber (LArTPC) detector. A discovery of $n\rightarrow\bar{n}$ transition or a new best limit on the lifetime of this process would either constitute physics beyond the Standard Model or greatly constrain theories of baryogenesis, respectively. The approach presented in this paper makes use of deep learning methods to select $n\rightarrow\bar{n}$ events based on their unique features and differentiate them from cosmogenic backgrounds. The achieved signal and background efficiencies are (70.22$\pm$6.04)\% and (0.0020$\pm$0.0003)\%, respectively. A demonstration of a search is performed with a data set corresponding to an exposure of $3.32 \times10^{26}\,$neutron-years, and where the background rate is constrained through direct measurement, assuming the presence of a negligible signal. With this approach, no excess of events over the background prediction is observed, setting a demonstrative lower bound on the $n\rightarrow\bar{n}$ lifetime in $^{40}$Ar of $\tau_{\textrm{m}} \gtrsim 1.1\times10^{26}\,$years, and on the free $n\rightarrow\bar{n}$ transition time of $\tau_{\textrm{\nnbar}} \gtrsim 2.6\times10^{5}\,$s, each at the $90\%$ confidence level. This analysis represents a first-ever proof-of-principle demonstration of the ability to search for this rare process in LArTPCs with high efficiency and low background.

Auteurs: MicroBooNE collaboration, P. Abratenko, O. Alterkait, D. Andrade Aldana, L. Arellano, J. Asaadi, A. Ashkenazi, S. Balasubramanian, B. Baller, G. Barr, D. Barrow, J. Barrow, V. Basque, O. Benevides Rodrigues, S. Berkman, A. Bhanderi, A. Bhat, M. Bhattacharya, M. Bishai, A. Blake, B. Bogart, T. Bolton, J. Y. Book, L. Camilleri, Y. Cao, D. Caratelli, I. Caro Terrazas, F. Cavanna, G. Cerati, Y. Chen, J. M. Conrad, M. Convery, L. Cooper-Troendle, J. I. Crespo-Anadon, R. Cross, M. Del Tutto, S. R. Dennis, P. Detje, A. Devitt, R. Diurba, Z. Djurcic, R. Dorrill, K. Duffy, S. Dytman, B. Eberly, P. Englezos, A. Ereditato, J. J. Evans, R. Fine, O. G. Finnerud, B. T. Fleming, N. Foppiani, W. Foreman, D. Franco, A. P. Furmanski, D. Garcia-Gamez, S. Gardiner, G. Ge, S. Gollapinni, O. Goodwin, E. Gramellini, P. Green, H. Greenlee, W. Gu, R. Guenette, P. Guzowski, L. Hagaman, O. Hen, R. Hicks, C. Hilgenberg, G. A. Horton-Smith, Z. Imani, B. Irwin, R. Itay, C. James, X. Ji, L. Jiang, J. H. Jo, R. A. Johnson, Y. J. Jwa, D. Kalra, N. Kamp, G. Karagiorgi, W. Ketchum, M. Kirby, T. Kobilarcik, I. Kreslo, I. Lepetic, J. -Y. Li, K. Li, Y. Li, K. Lin, B. R. Littlejohn, H. Liu, W. C. Louis, X. Luo, C. Mariani, D. Marsden, J. Marshall, N. Martinez, D. A. Martinez Caicedo, S. Martynenko, A. Mastbaum, N. McConkey, V. Meddage, J. Micallef, K. Miller, K. Mistry, T. Mohayai, A. Mogan, M. Mooney, A. F. Moor, C. D. Moore, L. Mora Lepin, M. M. Moudgalya, S. Mulleria Babu, D. Naples, A. Navrer-Agasson, N. Nayak, M. Nebot-Guinot, J. Nowak, N. Oza, O. Palamara, N. Pallat, V. Paolone, A. Papadopoulou, V. Papavassiliou, H. Parkinson, S. F. Pate, N. Patel, Z. Pavlovic, E. Piasetzky, I. Ponce-Pinto, I. Pophale, X. Qian, J. L. Raaf, V. Radeka, A. Rafique, M. Reggiani-Guzzo, L. Ren, L. Rochester, J. Rodriguez Rondon, M. Rosenberg, M. Ross-Lonergan, C. Rudolph von Rohr, I. Safa, G. Scanavini, D. W. Schmitz, A. Schukraft, W. Seligman, M. H. Shaevitz, R. Sharankova, J. Shi, E. L. Snider, M. Soderberg, S. Soldner-Rembold, J. Spitz, M. Stancari, J. St. John, T. Strauss, A. M. Szelc, W. Tang, N. Taniuchi, K. Terao, C. Thorpe, D. Torbunov, D. Totani, M. Toups, Y. -T. Tsai, J. Tyler, M. A. Uchida, T. Usher, B. Viren, M. Weber, H. Wei, A. J. White, S. Wolbers, T. Wongjirad, M. Wospakrik, K. Wresilo, N. Wright, W. Wu, E. Yandel, T. Yang, L. E. Yates, H. W. Yu, G. P. Zeller, J. Zennamo, C. Zhang

Dernière mise à jour: 2024-06-27 00:00:00

Langue: English

Source URL: https://arxiv.org/abs/2308.03924

Source PDF: https://arxiv.org/pdf/2308.03924

Licence: https://creativecommons.org/licenses/by/4.0/

Changements: Ce résumé a été créé avec l'aide de l'IA et peut contenir des inexactitudes. Pour obtenir des informations précises, veuillez vous référer aux documents sources originaux dont les liens figurent ici.

Merci à arxiv pour l'utilisation de son interopérabilité en libre accès.

Plus d'auteurs

Articles similaires