一种用于直接探测类轴子粒子域壁的机器学习算法
天体物理仪器与方法
2021-10-04 v1 数据分析、统计与概率
摘要
用于奇异物理搜寻的全球光学磁强计网络（GNOME）基于同步原子磁强计全球阵列上印刻的时空特征，对特定形式的暗物质进行实验搜寻。此处描述的实验寻找类轴子粒子（ALPs）与质子自旋的梯度耦合，作为局域致密暗物质天体（如域壁）的特征。本工作中，提出将带机器学习的随机优化用于基于 GNOME 数据搜寻 ALP 域壁。该方法的有效性与可靠性通过二分类得到验证。文中给出了这一新分析方法对 ALP 域壁穿越事件的预期灵敏度。
引用
@article{arxiv.2110.00139,
title = {A machine learning algorithm for direct detection of axion-like particle domain walls},
author = {Dongok Kim and Derek F. Jackson Kimball and Hector Masia-Roig and Joseph A. Smiga and Arne Wickenbrock and Dmitry Budker and Younggeun Kim and Yun Chang Shin and Yannis K. Semertzidis},
journal= {arXiv preprint arXiv:2110.00139},
year = {2021}
}