[论文解读] Constraints on Inelastic Dark Matter Signal using ZEPLIN-II Results

D. Cline, W. Ooi+1 more|ArXiv.org|Jun 22, 2009

Dark Matter and Cosmic Phenomena参考文献 3被引用 4

一句话总结

该论文利用ZEPLIN-II的高背景抑制能力（98%）通过从观测事件中减去已测背景，对非弹性暗物质（iDM）模型施加约束。结果表明，对于WIMP质量大于100 GeV的iDM信号声称，在99%置信水平下被排除，显著收紧了先前的限制。

ABSTRACT

There has been an increasing interest on the concept of Inelastic Dark Matter (iDM) - motivated in part by some recent data. We describe the constraints on iDM from the results of the two phase dark matter detector ZEPLIN-II, which has demonstrated strong background discrimination capabilities (>98%). Using previously published estimates of the ZEPLIN-II residual background, the iDM limits presented here exclude a significantly larger iDM parameter space than the limits derived without background subtraction. Moreover, assuming standard xenon quenching factor (qXe) of 0.19, our ZEPLIN-II limits strongly suggest the exclusion of iDM signal claims at >99% C.L., for Weakly Interacting Massive Particles (WIMPs) masses >100 GeV.

研究动机与目标

• 利用ZEPLIN-II的低背景液态氙探测器数据检验非弹性暗物质（iDM）模型的可行性。
• 通过准确扣除已知背景贡献而非依赖pMax等统计上限，改进先前的iDM约束。
• 利用ZEPLIN-II更精确的背景表征，评估DAMA/LIBRA报告的年调制信号与iDM模型的相容性。
• 评估电场依赖的淬灭因子对液态氙探测器中iDM排除极限的影响。

提出的方法

• 利用双相液态氙探测器的S2/S1比值鉴别技术，在ZEPLIN-II的5–20 keV ee接受能量窗口内测量剩余背景。
• 使用带偏移的高斯分布拟合背景分布，以描述来自60Co和AmBe源的γ射线事件，排除符合触发事件。
• 通过建模PTFE壁附近S2抑制效应，并将错位的核 recoil 事件外推至惰性体积，量化氡引起的背景。
• 应用Feldman-Cousins方法，推导出背景扣除后90%置信水平的信号事件上限为10.4起。
• 利用标准银河系晕模型和电场修正的淬灭因子（Sₑ = 0.54 ± 0.02，Sₙ = 0.95 ± 0.05）计算iDM排除极限，适用于Xe。
• 将结果与DAMA/LIBRA信号轮廓进行比较，采用碘的淬灭因子qI = 0.085及参考文献[20]中更新的qXe值，包含能量依赖性修正。

实验结果

研究问题

• RQ1 ZEPLIN-II的背景扣除数据能否以高置信度排除WIMP质量大于100 GeV的iDM信号声称？

主要发现

• 背景扣除后，ZEPLIN-II在5–20 keV ee接受能量窗口内观测到29起事件，预期背景为28.6 ± 4.3起，与零结果一致。
• 采用Feldman-Cousins方法在90%置信水平下得到的10.4起上限，推导出极为严格的iDM排除极限，显著优于以往基于pMax的分析。
• 对于WIMP质量大于100 GeV，使用标准银河系晕模型参数和qXe = 0.19，DAMA/LIBRA的iDM信号声称在>99%置信水平下被排除。
• 即使采用更新的、能量依赖的淬灭因子（在50 keVr处qXe ~ 0.24），ZEPLIN-II仍能在>99%置信水平下排除WIMP质量大于180 GeV的iDM信号声称。
• 碘淬灭因子（qI = 0.09 ± 0.01）的不确定性显著影响iDM与DAMA数据的相容性，qI值越高，不一致程度越大。
• 采用精确的背景建模和Feldman-Cousins区间估计，相较于pMax方法，可保证覆盖概率，提供更可靠的排除极限。