利用SKA-Low对21厘米信号中暗物质湮灭印记的灵敏度：一种卷积神经网络方法

本研究探讨了射电干涉仪识别再电离前时期21厘米信号中空间非均匀暗物质湮灭印记的灵敏度。我们聚焦于即将进行的平方公里阵列低频巡天（SKA-Low）望远镜。我们使用卷积神经网络（CNNs），分析了由基于21cmFAST和DarkHistory的DM21cm代码生成的模拟三维21厘米差分亮温度图，以区分由暗物质湮灭引起的空间均匀和非均匀能量注入/沉积场景。非均匀情况考虑了局部暗物质密度对比度和气体属性，如热状态和电离状态，而均匀模型则假设能量沉积是均匀的。我们的研究集中于两个主要的湮灭通道：电子-正电子对（$e^+e^-$）和光子（$\gamma \gamma$），探索了从1 MeV到100 MeV的暗物质质量以及一系列湮灭截面。对于$\gamma \gamma$通道，由于发射光子的平均自由程较大，导致能量沉积更均匀，因此不同暗物质模型之间的区分不太明显。对于$e^+e^-$通道，结果表明CNNs可以有效地区分非均匀和均匀情况。尽管存在观测挑战，但结果表明，即使在加入了来自下一代射电干涉仪（如SKA）的噪声后，这些效应仍然可探测。我们发现，对于中等SKA-Low噪声水平，当暗物质质量$m_{\rm DM}=1$ MeV且湮灭截面$\geq 5 \times 10^{-30}~{\rm cm^3/sec}$（对于$m_{\rm DM}=100$ MeV为$\geq 5 \times 10^{-29}~{\rm cm^3/sec}$）时，非均匀暗物质湮灭模型可以在21厘米信号图上留下可测量的印记，这些印记可与均匀场景区分开来。