[论文解读] What can a GNOME do? Search targets for the Global Network of Optical Magnetometers for Exotic physics searches

S. Afach, Deniz Aybas+51 more|arXiv (Cornell University)|May 2, 2023

Atomic and Subatomic Physics Research参考文献 158被引用 6

一句话总结

本文提出将全球光学磁力仪网络（GNOME）的科学目标从最初聚焦于轴子样粒子，拓展至探测广泛的异常物理情景，包括标量场与赝标量场、域壁以及混合宇称暗物质。通过利用地理上分离的传感器之间的信号互相关，GNOME 实现了背景抑制的弱耦合新物理搜索，具备通过与引力波探测器同步观测实现发现的潜力，并可未来结合机器学习技术用于异常检测。

ABSTRACT

Numerous observations suggest that there exist undiscovered beyond-the-Standard-Model particles and fields. Because of their unknown nature, these exotic particles and fields could interact with Standard Model particles in many different ways and assume a variety of possible configurations. Here we present an overview of the Global Network of Optical Magnetometers for Exotic physics searches (GNOME), our ongoing experimental program designed to test a wide range of exotic physics scenarios. The GNOME experiment utilizes a worldwide network of shielded atomic magnetometers (and, more recently, comagnetometers) to search for spatially and temporally correlated signals due to torques on atomic spins from exotic fields of astrophysical origin. We survey the temporal characteristics of a variety of possible signals currently under investigation such as those from topological defect dark matter (axion-like particle domain walls), axion-like particle stars, solitons of complex-valued scalar fields (Q-balls), stochastic fluctuations of bosonic dark matter fields, a solar axion-like particle halo, and bursts of ultralight bosonic fields produced by cataclysmic astrophysical events such as binary black hole mergers.

研究动机与目标

• 将全球光学磁力仪网络（GNOME）的科学前景从轴子样粒子搜索拓展至更广泛的异常物理情景。
• 识别并评估适合通过 GNOME 探测的多样化天体物理与宇宙学目标，如域壁、振荡场以及混合宇称暗物质。
• 通过多个空间分离的光学磁力仪信号互相关，实现背景抑制并提升灵敏度。
• 探索与原子钟网络、引力波探测器网络等其他网络的协同效应，以实现多信使异常物理探测。
• 评估利用机器学习技术检测 GNOME 数据中未知或意外信号的可行性，方法是学习网络的正常动态状态。

提出的方法

• 利用全球光学磁力仪网络探测穿过地球的异常粒子场所产生的瞬态或持续振荡磁场信号。
• 对多个地理分布的传感器信号进行互相关，以区分来自天体物理源的相干信号与本地噪声及仪器漂移。
• 为各种异常物理情景（包括轴子样粒子、标量场与赝标量场、域壁等）建模预期信号响应。
• 将 GNOME 观测与引力波探测器网络（如 LIGO/VIRGO）同步，以实现对相关异常信号的多信使探测。
• 利用 GNOME 数据训练机器学习系统，学习网络的基线动态状态，并检测指示新物理的异常模式。
• 与原子钟网络集成，对来自标量场与赝标量场的信号进行互相关，以增强灵敏度并实现背景抑制。

Figure 1: Map and list of locations of GNOME stations. Note that the Fribourg station was moved to Jena in 2018.

实验结果

研究问题

• RQ1 使用 GNOME 光学磁力仪网络探测异常物理时，最具前景的天体物理与宇宙学目标是什么？
• RQ2 如何通过多个空间分离磁力仪的信号互相关实现背景抑制与信号检测灵敏度的提升？
• RQ3 GNOME 以何种方式可与引力波探测器网络同步，以实现多信使异常物理天文学探测？
• RQ4 机器学习技术能否通过学习网络的正常行为，检测到先前未知或未建模的 GNOME 数据信号？
• RQ5 混合宇称暗物质候选者（如 relaxion）如何影响光学磁力仪网络中的信号响应？

主要发现

• GNOME 能够探测超出轴子样粒子的广泛异常物理情景，包括域壁、振荡场以及混合宇称暗物质候选者。
• 多个传感器信号的互相关可有效抑制本地噪声与仪器漂移，显著提升对弱相干信号的探测灵敏度。
• GNOME 与引力波探测器网络的同步为多信使异常物理探测提供了新路径，尤其适用于瞬态或脉冲式信号。
• 机器学习方法在通过学习网络正常动态状态以检测异常或未建模信号方面展现出潜力。
• GNOME 与原子钟网络的集成可增强对标量场与赝标量场的探测能力，尤其适用于具有混合内禀宇称的场。
• GNOME 的科学前景不受当前理论模型的限制，表明持续数据采集与先进分析方法可能揭示意想不到的新物理。

Figure 2: One-day rolling average of the GNOME noise level according to Eq. ( 10 ) over the course of the first five Science Runs. The standard deviation at each magnetometer is calculated using the data for one second. Then this information is averaged for one hour. The color of the line indicates