В ионосфере Земли будут искать следы тёмной материи
Международная группа учёных из Женевского университета, ЦЕРНа и Римского университета Ла Сапиенца разработала новый подход к поиску тёмной материи. Исследователи предложили искать следы тёмной материи, отслеживая её превращение в низкочастотные радиоволны в ионосфере Земли.
По словам ведущего автора исследования Карла Бидла, многие учёные ранее изучали возможность резонансного превращения сверхлёгкой тёмной материи — аксионов или тёмных фотонов — в обычные фотоны в различных астрофизических средах, включая нейтронные звёзды, солнечную корону и даже атмосферу Юпитера. Однако никто не рассматривал для этих целей земную ионосферу, которая представляет собой хорошо изученную и постоянно отслеживаемую среду.
Согласно теоретическим моделям, значительная часть или вся тёмная материя может состоять из аксионов или тёмных фотонов. Исследователи предполагают, что эти частицы могут преобразовываться в обычные фотоны в ионосфере, и такое превращение можно зафиксировать с помощью обычных антенн на Земле.
«Резонансное превращение происходит, когда масса частиц тёмной материи совпадает с определённой частотой плазмы. Эта "плазменная частота" зависит от плотности свободных электронов в плазме, которая меняется с высотой в ионосфере. Совпадение может произойти, если масса тёмной материи попадает в определённый диапазон», — поясняет Бидл.
Учёные рассчитали скорость преобразования сигнала и учли различные факторы, которые могут его ослабить. Затем они сравнили предполагаемый сигнал с фоновым шумом, чтобы оценить возможность обнаружения аксионов или тёмных фотонов в реальном эксперименте.
Результаты показывают, что для регистрации предсказанного сигнала достаточно небольшой дипольной антенны. По словам исследователей, такой эксперимент будет относительно недорогим в реализации и позволит изучить значительную часть теоретически возможного пространства параметров тёмной материи.
В настоящее время группа уже сотрудничает с экспериментальными физиками для планирования будущих исследований и анализа существующих данных на предмет наличия предсказанного сигнала.