Skip to main content
QUICK REVIEW

[論文レビュー] Observing neutrinos from failed Supernovae at LNGS

G. Pagliaroli, Christoph A. Ternes|arXiv (Cornell University)|Mar 11, 2024
Astrophysics and Cosmic Phenomena被引用数 4
ひとこと要約

本稿では、イタリア・グラン・サッソ国立研究所(LNGS)におけるダークマターおよびネーター無し双ベータ崩壊実験の水バイアス領域を、失敗したコア収縮超新星からのニュートリノ観測用に無料で分散型に利用できる小型ウォーターチェレンコフ検出器ネットワークとして活用する手法を提案する。このネットワークがブラックホール形成時刻を約4 msの精度で測定できることを示しており、電磁的対応体が存在しない状況下でも、VIRGO やエイントシュタイン望遠鏡のような重力波検出器のための重要なリアルタイムトリガーを提供する。

ABSTRACT

We discuss the possibility to observe neutrinos emitted from a failed core collapse Supernova in the various experiments at Laboratori Nazionali del Gran Sasso. We show that the veto regions of dark matter and neutrinoless double beta decay experiments can be used as a network of small detectors to measure Supernova neutrinos. In addition we show that this network can measure very precisely the moment of black hole formation, which can be then used in the nearby VIRGO detector and future Einstein Telescope to look for the gravitational wave counterpart to the neutrino signal.

研究の動機と目的

  • LNGSにおけるニュートリノおよびダークマター実験の既存バイアス領域を、超新星ニュートリノ検出用ネットワークへ再利用する可能性を検討すること。
  • このネットワークが、重力波検出に重要なキーワードイベントである失敗超新星におけるブラックホール形成時刻をどれほど正確に測定できるかを特定すること。
  • VIRGO やエイントシュタイン望遠鏡のような重力波観測所に対して、モデルに依存しないリアルタイムトリガーとしてこの手法が果たせる可能性を評価すること。
  • 現在および将来のLNGS検出器の感度を、大マゼラン雲までのが超新星ニュートリノ信号を検出できる範囲にまで予測すること。

提案手法

  • COSINUS、LEGEND-200、XENONnT の3つのLNGS実験の水バイアス領域を、ニュートリノ検出用の小型ウォーターチェレンコフ検出器ネットワークとして利用する。
  • 2種類の理論的モデル(モデル1およびモデル2)を用いて、コア収縮後のブラックホール形成時刻が異なる(0.568 s および 2.113 s)失敗超新星からのニュートリノ放射をモデル化する。
  • ニュートリノフラックスの式を用いてイベントレートを計算する:$ \frac{d\Phi_{\alpha}^{0}}{dE_{\nu_{\alpha}}dt} = \frac{1}{4\pi d^{2}} \frac{L_{\nu_{\alpha}}(t)}{\langle E_{\nu_{\alpha}}(t)\rangle} \phi_{\alpha}(E_{\nu_{\alpha}},t) $、ここでエネルギースペクトルは $ \phi_{\alpha}(E_{\nu_{\alpha}},t) = \langle E_{\nu_{\alpha}}(t)\rangle \frac{1+\xi_{\alpha}}{\Gamma(1+\xi_{\alpha})} \left( \frac{E_{\nu_{\alpha}}}{\langle E_{\nu_{\alpha}}(t)\rangle} \right)^{\xi_{\alpha}} e^{-\frac{E_{\nu_{\alpha}}}{\langle E_{\nu_{\alpha}}(t)\rangle}} $ でパラメータ化される。
  • 検出器ネットワークの時間分解能とニュートリノの飛行時間に基づき、ブラックホール形成検出の時間不確かさを推定する。
  • 時間不確かさ $ \delta T^{\text{GW}}_{\text{BH}} = \delta T^{\text{LNGS}}_{\text{BH}} + \delta t_{\text{fly}} $ を評価する。ここで $ \delta t_{\text{fly}} \leq 1 $ ms であり、LNGSとVIRGOとの距離が短いために成立する。
  • 近い将来の検出器を想定し、統計的改善と時間不確かさの低減を仮定して感度を予測する。
Figure 1 : Neutrino luminosity $L_{\nu_{\alpha}}$ and average energy $\langle E_{\nu_{\alpha}}\rangle$ as a function of time after the core bounce for Model 1 (solid lines) and Model 2 (dashed lines) discussed in the text. With a dashed gray line we highlight the time of the black hole formation in
Figure 1 : Neutrino luminosity $L_{\nu_{\alpha}}$ and average energy $\langle E_{\nu_{\alpha}}\rangle$ as a function of time after the core bounce for Model 1 (solid lines) and Model 2 (dashed lines) discussed in the text. With a dashed gray line we highlight the time of the black hole formation in

実験結果

リサーチクエスチョン

  • RQ1既存のLNGS実験における水バイアス領域を、失敗超新星信号の検出に向けた小型ニュートリノ検出器ネットワークとして効果的に利用できるか?
  • RQ2この検出器ネットワークを用いて、失敗超新星におけるブラックホール形成の時刻をどれほど高い時間精度で検出できるか?
  • RQ3LNGSの時間不確かさは、スーパーカミオカンデのような大規模検出器と比較してどの程度か?
  • RQ4この手法が、源の方向を事前に知らない状況でも、重力波検出器のためのリアルタイムでモデルに依存しないトリガーを提供できるか?
  • RQ5逆ベータ崩壊に加え、他の検出チャンネル(例:弾性散乱、液体シンチレーター)を含めることで、感度を向上させられる可能性はどの程度か?

主な発見

  • LNGSの水バイアスネットワークは、マゼラン雲までのが超新星からのニュートリノを検出可能であり、感度は主にIBD検出チャンネルとバイアス領域のサイズに制限される。
  • ブラックホール形成時刻の時間不確かさは、遅い形成モデル(モデル2)では4 msに達する。これは検出器ネットワークの3 msの不確かさと、≤1 msの飛行時間の合計によるものである。
  • この時間精度は、スーパーカミオカンデの28.3 msよりも顕著に優れており、飛行時間が長いにもかかわらず、より小さい固有の時間不確かさを有する。
  • この手法は、電磁的対応体が存在しない状況においても、重力波検出器にリアルタイムでモデルに依存しないトリガーを提供する。
  • 分析は慎重である。これは、IBDおよびバイアス領域のみを考慮しているためであり、内部検出器領域や、弾性散乱や液体シンチレーターなどの他の検出チャンネルを含めることで感度は向上する可能性がある。
  • 本手法は時期的である。COSINUSおよびLEGEND-200はまだバイアス領域の構成を最終決定中であり、即座にこの検出戦略を実装できる。
Figure 2 : Expected rate in Hz of IBD events in $1$ ton of water for different SN distances in kpc for emission Model 1 (solid lines) and Model 2 (dashed lines).
Figure 2 : Expected rate in Hz of IBD events in $1$ ton of water for different SN distances in kpc for emission Model 1 (solid lines) and Model 2 (dashed lines).

より良い研究を、今すぐ始めましょう

論文の読解から最終レビューまで、研究時間を劇的に削減しましょう。

クレジットカード登録不要

このレビューはAIが作成し、人間の編集者が確認しました。