黑洞或能披露未知极轻粒子

2019 年 4 月 19 日 中科院高能所


在实验上,超出标准模型的新物理往往关注较重粒子的搜寻。然而,一些理论也预言标准模型之外的极轻粒子,它们不会在对撞机实验或暗物质探测器中表现出来。阿姆斯特丹大学的Daniel Baumann 及其同事的计算表明,在双黑洞并合时发出的引力波信号或可披露黑洞周围极轻玻色子云的存在。如此看来,引力波能提供一种全新的途径来探测一般实验难以俘获的极轻粒子。


黑洞的自转能可用以激发其附近的辐射,即所谓的“超辐射”效应。这种辐射为玻色子,一些模型给出其静质量在10-10—10-20 eV范围内。在吸积黑洞发出辐射的背景中找寻这种超辐射几乎是不可能的。但是,若黑洞围绕另一黑洞发生并合,在满足某种引力共振条件时,玻色子云将迅速坍塌。当双黑洞的轨道频率与普朗克常数之积跟玻色子云的能级相当时,这种共振就会发生。玻色子云的行为类似于原子核外的电子云。黑洞并合时,玻色子云的迅速塌缩会影响引力波信号的谐波。


极轻玻色子可以是许多粒子理论所预言的轴子或轴子类的粒子,后者也可能是暗物质的一部分。到目前为止,LIGO 和Virgo 合作组探测引力波的敏感度还不够,不能检测极轻玻色子的这种微弱效应。然而,随着引力波探测器和用于波形分析的理论模型的改进,情况将有所改变。


(徐仁新 编译自Physics,February 4,2019)


本文选自《物理》2019年第4期




登录查看更多
0

相关内容

阿姆斯特丹大学(荷兰文:Universiteit van Amsterdam,缩写为 UvA),成立于1632年,坐落在荷兰首都阿姆斯特丹市中心。阿姆斯特丹大学是历史悠久的著名世界百强学府,也是欧洲最大的综合性大学之一,拥有众多国际学生交流项目和优良的国际声誉。它同时是Universitas 21大学联盟、欧洲大学协会、欧洲研究型大学联盟与欧洲首都大学联盟成员之一。[1] 阿姆斯特丹大学有高质量的研究生和世界前沿的研究培训,同时本科教育也是世界最优秀的之一。它产生过6名诺贝尔奖得主,其中诺贝尔物理学家得主3名,和平、医学和化学奖得主各一名。 如今,作为研究型大学的阿姆斯特丹大学有超过30000名学生,5000名员工和285个研究项目(学士和硕士项目),其中许多都是用英语授课的。阿姆斯特丹大学拥有超过6亿欧元的预算,大学学院星罗棋布地分布在阿姆斯特丹城市的各个角落,目前该校设有七个学院:人文学院、社会与行为科学学院、商学院、法学院、理学院、医学院和牙医学院。 阿姆斯特丹大学的声誉享誉全球,被誉为“欧洲的哈佛”。在2020年度USNEWS世界大学排名中,位列世界第四十位,欧盟区位列前三。
【人大】图实现算法综述与评测分析
专知会员服务
37+阅读 · 2020年4月28日
【中国人民大学】机器学习的隐私保护研究综述
专知会员服务
131+阅读 · 2020年3月25日
用深度学习揭示数据的因果关系
专知
28+阅读 · 2019年5月18日
一文读懂机器学习中的贝叶斯统计学
数据分析
26+阅读 · 2019年5月8日
AI 辅助科学,预测地震余震位置
谷歌开发者
7+阅读 · 2019年1月24日
相关性≠因果:概率图模型和do-calculus
论智
31+阅读 · 2018年10月29日
差分隐私保护:从入门到脱坑
FreeBuf
17+阅读 · 2018年9月10日
丘成桐:攻克物理难题的数学大师
科技导报
5+阅读 · 2018年7月23日
量子世界的因果关系
中国物理学会期刊网
8+阅读 · 2017年8月5日
Arxiv
4+阅读 · 2019年12月2日
Arxiv
22+阅读 · 2019年11月24日
Bivariate Beta LSTM
Arxiv
5+阅读 · 2019年10月7日
Arxiv
7+阅读 · 2019年4月8日
Arxiv
6+阅读 · 2018年10月3日
Arxiv
3+阅读 · 2018年4月3日
Arxiv
4+阅读 · 2018年1月15日
VIP会员
相关资讯
用深度学习揭示数据的因果关系
专知
28+阅读 · 2019年5月18日
一文读懂机器学习中的贝叶斯统计学
数据分析
26+阅读 · 2019年5月8日
AI 辅助科学,预测地震余震位置
谷歌开发者
7+阅读 · 2019年1月24日
相关性≠因果:概率图模型和do-calculus
论智
31+阅读 · 2018年10月29日
差分隐私保护:从入门到脱坑
FreeBuf
17+阅读 · 2018年9月10日
丘成桐:攻克物理难题的数学大师
科技导报
5+阅读 · 2018年7月23日
量子世界的因果关系
中国物理学会期刊网
8+阅读 · 2017年8月5日
相关论文
Arxiv
4+阅读 · 2019年12月2日
Arxiv
22+阅读 · 2019年11月24日
Bivariate Beta LSTM
Arxiv
5+阅读 · 2019年10月7日
Arxiv
7+阅读 · 2019年4月8日
Arxiv
6+阅读 · 2018年10月3日
Arxiv
3+阅读 · 2018年4月3日
Arxiv
4+阅读 · 2018年1月15日
Top
微信扫码咨询专知VIP会员