To increase by a major step the present sensitivity for dark matter and double beta decay search, a new project is suggested, which would operate 'naked' GErmanium detectors in liquid NItrogen as shielding in an Underground Setup (GENIUS). In a first step using 100 kg of natural Ge a large part of the MSSM parameter space for prediction of neutralinos as cold dark matter will be covered making the experiment complementary to LHC in the search for supersymmetry. In the second step use of one ton of enriched 76Ge would yield a sensitivity for double beta decay for the effective Majorana neutrino mass of \0.01 eV. This would be a breakthrough for neutrino physics. GENIUS would also be a breakthrough into the multi-TeV range for many other beyond standard models currently discussed, and the sensitivity would be comparable or even superior to LHC or NLC for various quantities such as right-handed W boson mass, R-parity violation, leptoquark or compositeness searches, or left-handed heavy neutrinos.


翻译:为大大提高目前对暗物质和双乙底腐蚀的敏感度,建议开展一个新项目,在地下设置(GENIUS)中作为防护屏蔽使用液态硝基氮中的“裸”基因探测器。第一步使用100千克天然宝石,将覆盖MSSM参数大部分空间,用于预测中性物质为冷暗物质,使试验在寻找超对称时与LHC相辅相成。在第二步中,使用一吨浓缩的76Ge将产生一种敏感度,使有效的Majana 中微子质量为 0.01 eV 进行双乙腐蚀。这将是中微子物理的一个突破。GENIUS还将成为目前讨论的许多其他标准模型之外的多TeV范围的一个突破,对于右手Wboson质量、R-parity违反、leptoquark或复合搜索,或左手重中子等各种数量的敏感度将比LHC或甚至高于NLC。

0
下载
关闭预览

相关内容

MASS:IEEE International Conference on Mobile Ad-hoc and Sensor Systems。 Explanation:移动Ad hoc和传感器系统IEEE国际会议。 Publisher:IEEE。 SIT: http://dblp.uni-trier.de/db/conf/mass/index.html
100+篇《自监督学习(Self-Supervised Learning)》论文最新合集
专知会员服务
164+阅读 · 2020年3月18日
强化学习最新教程,17页pdf
专知会员服务
174+阅读 · 2019年10月11日
2019年机器学习框架回顾
专知会员服务
35+阅读 · 2019年10月11日
【哈佛大学商学院课程Fall 2019】机器学习可解释性
专知会员服务
103+阅读 · 2019年10月9日
Transferring Knowledge across Learning Processes
CreateAMind
27+阅读 · 2019年5月18日
无人机视觉挑战赛 | ICCV 2019 Workshop—VisDrone2019
PaperWeekly
7+阅读 · 2019年5月5日
强化学习的Unsupervised Meta-Learning
CreateAMind
17+阅读 · 2019年1月7日
Unsupervised Learning via Meta-Learning
CreateAMind
42+阅读 · 2019年1月3日
RL 真经
CreateAMind
5+阅读 · 2018年12月28日
Ray RLlib: Scalable 降龙十八掌
CreateAMind
9+阅读 · 2018年12月28日
A Technical Overview of AI & ML in 2018 & Trends for 2019
待字闺中
16+阅读 · 2018年12月24日
【推荐】YOLO实时目标检测(6fps)
机器学习研究会
20+阅读 · 2017年11月5日
【推荐】深度学习目标检测全面综述
机器学习研究会
21+阅读 · 2017年9月13日
【推荐】深度学习目标检测概览
机器学习研究会
10+阅读 · 2017年9月1日
Object Detection in 20 Years: A Survey
Arxiv
48+阅读 · 2019年5月13日
Arxiv
8+阅读 · 2018年4月12日
Arxiv
4+阅读 · 2016年12月29日
VIP会员
相关资讯
Transferring Knowledge across Learning Processes
CreateAMind
27+阅读 · 2019年5月18日
无人机视觉挑战赛 | ICCV 2019 Workshop—VisDrone2019
PaperWeekly
7+阅读 · 2019年5月5日
强化学习的Unsupervised Meta-Learning
CreateAMind
17+阅读 · 2019年1月7日
Unsupervised Learning via Meta-Learning
CreateAMind
42+阅读 · 2019年1月3日
RL 真经
CreateAMind
5+阅读 · 2018年12月28日
Ray RLlib: Scalable 降龙十八掌
CreateAMind
9+阅读 · 2018年12月28日
A Technical Overview of AI & ML in 2018 & Trends for 2019
待字闺中
16+阅读 · 2018年12月24日
【推荐】YOLO实时目标检测(6fps)
机器学习研究会
20+阅读 · 2017年11月5日
【推荐】深度学习目标检测全面综述
机器学习研究会
21+阅读 · 2017年9月13日
【推荐】深度学习目标检测概览
机器学习研究会
10+阅读 · 2017年9月1日
Top
微信扫码咨询专知VIP会员