Ученые коллаборации NA64 в Европейском центре ядерных исследований (CERN) разработали программу, моделирующую рождение и поведение нескольких классов частиц гипотетической темной материи. Такие прогнозы необходимы для проектирования детекторов, улавливающих новые элементарные частицы. Статья опубликована в журнале Computer Physics Communications.
С 2020 года Томский политехнический университет официально стал ассоциированным членом коллаборации NA64. Ученые ТПУ задействованы в анализе данных, моделировании постановок эксперимента и общих работах. Эксперимент NA64 проводится на протонном суперсинхротроне (Super Proton Synchrotron, SPS) — кольцевом ускорителе частиц CERN. Задача эксперимента — создать условия, при которых могли бы образовываться частицы гипотетической темной материи. Доказательство существования темной материи необходимо для объяснения астрофизических явлений вроде аномальной скорости вращения внешних областей галактик, особенностей реликтового излучения, движения звездных скоплений и их столкновений, а также для объяснения самого происхождения Вселенной.
«Чтобы создавать детекторы, которые способны регистрировать такие частицы, предсказанные теоретически, нужно понимать, а что же нам регистрировать. Для этого важно заранее смоделировать, предсказать свойства и поведение частиц. Сделать это можно с помощью статистических генераторов методами Монте-Карло. Наша коллаборация разработала такой генератор для четырех возможных классов легкой темной материи. Они похожи между собой условиями рождения через механизм электромагнитного смешивания. Он создан на основе известного инструмента для моделирования, ранее разработанного в CERN, — Geant4. Несмотря на то что он общедоступный, работа с ним и создание для него новых модулей требуют серьезной квалификации», — говорит соавтор исследования Ренат Дусаев.
Генератор делает прогноз на основе известных данных о частицах, например их квантовых числах, массе, константах связи и т. д. Эффективность генератора, то есть быстродействие программы, зависит от мажорирующей функции, которую нужно удачно подобрать. В данном случае ученым удалось подобрать хороший вариант, который позволяет генератору работать максимально эффективно, насколько это в принципе возможно. На основе исходных данных генератор моделирует поведение частиц: их движение, рассеивание, частоту появления.
Подписывайтесь на InScience.News в социальных сетях: ВКонтакте, Telegram, Одноклассники.
