[论文解读] Snowmass 2021 Dark Matter Complementarity Report

A. Boveia, Mohamed Berkat+25 more|arXiv (Cornell University)|Nov 13, 2022

Dark Matter and Cosmic Phenomena被引用 3

一句话总结

该2021年Snowmass报告提出了一项跨前沿策略，通过整合宇宙、能量、中微子、稀有过程和精密前沿的互补性，最大化暗物质（DM）发现潜力。该策略倡导采用多样化实验组合——涵盖对撞机、直接/间接探测、宇宙学探针以及量子传感器——以探索包括轴子、惰性中微子和弱相互作用大质量粒子在内的广泛暗物质候选者参数空间，目标是通过协同、多方法的综合手段实现变革性发现。

ABSTRACT

The fundamental nature of Dark Matter is a central theme of the Snowmass 2021 process, extending across all Frontiers. In the last decade, advances in detector technology, analysis techniques and theoretical modeling have enabled a new generation of experiments and searches while broadening the types of candidates we can pursue. Over the next decade, there is great potential for discoveries that would transform our understanding of dark matter. In the following, we outline a road map for discovery developed in collaboration among the Frontiers. A strong portfolio of experiments that delves deep, searches wide, and harnesses the complementarity between techniques is key to tackling this complicated problem, requiring expertise, results, and planning from all Frontiers of the Snowmass 2021 process.

研究动机与目标

• 制定统一的、跨前沿的暗物质（DM）研究策略，以在多样化的实验前沿中最大化发现潜力。
• 应对理论上动机充分的暗物质候选者所涉及的广阔、多维参数空间，涵盖从亚eV到TeV量级的质量范围，以及跨越多个数量级的相互作用强度。
• 促进直接探测、间接探测、对撞机探测和宇宙学探测等技术之间的互补性，使重叠的灵敏度可验证发现结果，并精确刻画暗物质属性。
• 推动成熟与变革性技术的发展，包括人工智能/机器学习（AI/ML）和量子传感，以拓展对未探索暗物质参数区域的探测灵敏度。
• 确保在未来十年内，即使未观测到信号，非发现结果也能对暗物质模型提供关键约束。

提出的方法

• 提出在所有高能物理（HEP）前沿（CF、EF、NF、RF、AF、CEF、CompF、IF、UF、TF）中部署实验组合，以确保对暗物质参数空间的全面覆盖。
• 强调不同技术之间的互补性：例如，直接探测可测量暗物质的速度和空间分布，而宇宙学探针则可约束星系晕结构和小尺度功率谱。
• 利用下一代设施（如HL-LHC、FCC-hh、Rubin LSST、DMRadio-m3、KATRIN、TRISTAN）的预期灵敏度，绘制暗物质质量与耦合常数范围内的探测灵敏度图谱。
• 整合暗物质产生机制（热生成、共振生成、非热生成）的理论建模，以指导实验设计与结果解释。
• 利用人工智能/机器学习（AI/ML）和量子传感技术，提升探测灵敏度，并探索标准模型之外的新探测通道。
• 结合多种技术的结果，实现对暗物质属性的三角测量，确保结果稳健并降低对模型的依赖性。

实验结果

研究问题

• RQ1 如何通过多实验前沿之间的互补性，提升在广泛质量与耦合范围内的暗物质发现潜力？
• RQ2 何种实验组合——涵盖大型设施与创新技术——可使对最小化且理论动机充分的暗物质模型的探测灵敏度最大化？
• RQ3 宇宙学、直接探测、间接探测与对撞机探测如何以一种可模型无关的方式共同约束相同的暗物质候选者？
• RQ4 在未发现任何信号的情况下，如何通过互补技术的非观测结果仍能对暗物质属性与新物理施加强约束？
• RQ5 人工智能/机器学习（AI/ML）与量子传感器等新兴技术在拓展现有及未来暗物质探测范围方面发挥何种作用？

主要发现

• 在所有HEP前沿部署广泛实验组合，对于覆盖从亚eV轴子到TeV量级WIMPs的庞大、多维暗物质候选者参数空间至关重要。
• 互补探测技术——如直接探测、宇宙学探针以及氚β衰变实验——可独立约束惰性中微子暗物质，其灵敏度取决于早期宇宙模型细节，如轻子不对称性和非标准中微子相互作用。
• 若通过直接探测（如DMRadio-m3）发现QCD轴子，将能精确测量暗物质晕的速度与位置分布，从而与宇宙探针结果进行交叉验证，并可能揭示与CMB B模预测的不一致。
• QCD轴子的发现还将对额外粒子（如KSVZ或DFSZ模型中的粒子）的存在构成约束，从而为未来高能对撞机计划提供指导并优化其设计。
• 在多个互补探测通道中未观测到信号，仍将产生强大约束，尤其当结合DESI、Rubin LSST及未来巡天的宇宙学数据时，可使轻暗物质与惰性中微子的限制提升多个数量级。
• 将人工智能/机器学习（AI/ML）与量子传感技术整合进暗物质探测，有望解锁新探测通道并显著提升灵敏度，特别是在低信号区域。