dark matter
PulseAugur coverage of dark matter — every cluster mentioning dark matter across labs, papers, and developer communities, ranked by signal.
3 天有情绪数据
-
NASA的Roman望远镜将发现200,000颗行星，揭示暗物质
NASA的Nancy Grace Roman太空望远镜将彻底改变我们对宇宙的理解。该望远镜预计将识别出大约200,000颗新行星。此外，它旨在阐明暗物质和暗能量的神秘本质，可能揭示宇宙的新层面。
-
苹果准备推出折叠屏 iPhone Ultra，Apple TV+ 八月内容片单
据报道，苹果正准备推出其首款折叠屏 iPhone，可能命名为“iPhone Ultra”，据传将是一款高端设备。另外，Apple TV+ 将于八月推出热门剧集《Ted Lasso》和《Silo》的新季，以及科幻剧《Dark Matter》。
-
NASA的Roman望远镜将在暗能量任务的同时协助小行星探测
美国宇航局（NASA）的Nancy Grace Roman太空望远镜计划于8月底发射，主要用于研究暗能量和暗物质。然而，其强大的红外相机和异常宽广的视场（比哈勃太空望远镜大约100倍）使其能够独特地探测潜在的危险小行星。天文学家计划调整Roman的软件来识别和跟踪这些天体，通过提供更广泛的巡天和对多颗小行星的红外观测，来补充James Webb太空望远镜等现有天文台。
-
Apple TV+ 宣布《神经漫游者》首播日期，以及新的科幻预告片
Apple TV+ 已宣布根据威廉·吉布森的开创性小说改编的《神经漫游者》的流媒体首播日期。该服务还在圣地亚哥动漫展的演示中公布了《暗物质》和《火柴盒》的新预告片。这些公告突显了 Apple TV+ 即将推出的科幻内容。
-
Apple TV+ 8月发布内容包括《足球教练》、《暗物质》和《羊毛战线》
Apple TV+ 计划在8月发布多部新剧和回归剧集。订阅者可以期待热门剧集《足球教练》的回归，以及科幻剧《暗物质》和《羊毛战线》的新季。该流媒体服务还将推出其他回归节目。
-
Apple TV+'s《神经漫游者》预告片在SDCC亮相
Apple TV+发布了其即将播出的《神经漫游者》剧集首个预告片，该剧集在圣地亚哥动漫展上进行了首映。预告片一窥了备受期待的William Gibson开创性赛博朋克小说改编作品。此次活动还带来了其他娱乐新闻，包括Mike Flanagan的《魔女嘉莉》和《暗物质》第二季的预告片。
-
暗物质搜索使用CMS数据进行神经样条流分析
研究人员使用CMS 2015D开放数据，对与Z玻色子联合产生的暗物质进行了搜索。该研究采用神经样条流来模拟背景和信号密度，并构建了基于对数似然比的检验统计量。分析得出了标量、矢量和轴矢媒介子的信号强度参数在95%置信水平下的观测上限，但由于背景建模的差异而非暗物质的证据，这些上限弱于预期。
-
暗物质搜索在CMS数据上使用神经样条流
研究人员使用CMS 2015D开放数据，对与Z玻色子联合产生的暗物质进行了搜索。该研究采用神经样条流来模拟背景和信号密度，将观测数据降维到37维特征向量。虽然分析未发现暗物质证据，但为标量、矢量和轴矢量介子的信号强度参数设定了上限，并指出由于背景建模差异，观测到的上限弱于预期。
-
Apple TV 首次接管动漫展 Hall H
Apple TV 今年将在圣迭戈动漫展上占据重要地位，首次接管备受瞩目的 Hall H。该流媒体服务将为其多部剧集举办讨论会和放映会，包括《基地》、《暗物质》和《寡妇湾》。这标志着 Apple TV 在大型娱乐活动中的宣传力度显著增强。
-
随着中微子干扰遮蔽WIMP探测，暗物质搜寻范围扩大
物理学家们正在扩大对暗物质的搜寻范围，因为目前的实验，例如那些在地下深处使用液态氙探测器的实验，越来越多地探测到的是中微子而非那些难以捉摸的粒子。这种“中微子迷雾”使得在先前预期的地方寻找弱相互作用大质量粒子（WIMPs）变得困难。在大型强子对撞机（Large Hadron Collider）等设施以及地下实验中缺乏直接探测，促使了包括量子传感器和轴子探测实验在内的各种新搜寻策略的出现，这反映了在理解宇宙构成方面，研究方法已从狭窄的焦…
-
AI模型表明银河系中心过量辐射是弥散的或具有大量点源
一篇新的arXiv论文使用贝叶斯图卷积神经网络方法探索了银河系中心过量辐射（GCE）。该方法整合了空间和光谱数据，揭示GCE要么是弥散的，要么是由数量异常多的点源组成的。研究结果表明，这种过量辐射与暗物质预测的泊松辐射一致，如果归因于点源，可能需要超过35,000个源，这个数量远高于之前的估计。
-
AI利用扩散模型绘制暗物质分布图
研究人员开发了一种使用生成式扩散模型绘制暗物质三维分布的新方法。该方法利用高分辨率宇宙学模拟来创建一个数据驱动的先验，该先验能够捕捉宇宙网的复杂丝状结构。通过将这种学习到的先验与可微分物理模型相结合，该方法显著提高了弱引力透镜观测的重建精度，优于现有技术。
-
物理学家解释未探测到的暗物质之谜
此集群包含一个标题为“暗物质真的存在吗？ - 我们为什么找不到它？ - 物理学家解释”的 YouTube 视频，由 Don Lincoln 和 Lex Fridman 主讲。该视频深入探讨了暗物质的科学之谜，探讨了其理论存在以及在探测中面临的持续挑战。它旨在从物理学家的角度解释为什么这种难以捉摸的物质仍然未被发现。
-
物理学家 Don Lincoln 在 Lex Fridman 播客上讨论物理学中的谜团
Lex Fridman 的播客节目邀请了物理学家 Don Lincoln 讨论物理学中的基本问题，包括寻找万有理论以及反物质的本质。对话深入探讨了统一自然规律、电弱相互作用以及发现希格斯玻色子的粒子对撞机等话题。Lincoln 还谈到了真空、暗能量和暗物质的奥秘，并分享了他在费米实验室的职业生涯见解。
-
机器学习增强LHC上的暗物质探测
研究人员开发了一种机器学习方法，以增强大型强子对撞机（LHC）上暗物质候选物的探测。该方法专门针对下一最小超对称标准模型（NMSSM）中的WIMP暗物质，侧重于直接探测信号被抑制的场景。机器学习分析提高了对辐射衰变的中性超对称粒子的微弱信号的灵敏度，这些粒子具有多光子的独特对撞机特征。在14 TeV能量下拥有100 fb^{-1}的数据，机器学习方法可以实现高达225 GeV的希格斯ino质量的5σ探测范围。
-
人工智能解码宇宙奥秘，加速天文学发现
人工智能越来越多地被用于揭示宇宙的奥秘，帮助天文学家分析来自太空任务的海量数据集。机器学习技术在发现暗物质、系外行星和星系形成等现象方面发挥着重要作用。人工智能与科学研究的融合有望加速我们对宇宙事件以及地球以外生命潜力的理解。