GammaBayes：用于CTA暗物质探测的贝叶斯流程

我们推出了GammaBayes，一个用于切伦科夫望远镜阵列（CTA）暗物质探测的贝叶斯Python软件包。GammaBayes以CTA的伽马射线测量值和用户指定的暗物质粒子模型作为输入。它输出暗物质模型参数的后验分布，包括暗物质自相互作用的速度平均截面 $\langle\sigma v\rangle$ 和暗物质质量 $m_\chi$。它还输出可用于模型选择的贝叶斯证据。我们使用525小时的模拟数据（对应于 $10^8$ 个观测到的伽马射线事件）来演示GammaBayes。这些模拟数据的绝大部分由噪声组成，但有 $100000$ 个事件源于质量为 $m_\chi= 1$ TeV的标量单态暗物质的湮灭。我们在95%可信区间内恢复了暗物质质量，为 $m_\chi \sim 0.96-1.07$ TeV。同时，速度平均截面被约束为 $\langle\sigma v\rangle \sim 1.4-2.1\times10^{-25}$ cm$^3$ s$^{-1}$（95%可信度）。这相当于测量到暗物质湮灭事件的数量为 $N_S \sim 1.1_{-0.2}^{+0.2} \times 10^5$。无信号假设 $\langle \sigma v \rangle=0$ 以大约 $5\sigma$ 的可信度被排除。我们讨论了如何扩展GammaBayes以包含更复杂的信号和背景模型，以及为促进这些升级必须解决的计算挑战。源代码可在 https://github.com/lpin0002/GammaBayes 公开获取。