Theoretical Physics Department Seminars 

Seminars usually occur in the Theoretical Physics Division of INR, room number 5, on Mondays, at 15:30

2 июня, 15:30 (Moscow time)  

Объединенный семинар ОТФ и ЛОБД

Михаил Кузнецов (ИЯИ РАН)

Проблема происхождения высокоэнергичных космических лучей: анализ анизотропии и состава

(по материалам докторской диссертации)

Аннотация

В работе рассматривается проблема происхождения космических лучей
ультравысоких энергий - КЛУВЭ (внегалактических) и высоких энергий
(галактических). Первая часть посвящена анализу данных эксперимента Telescope
Array: проводится поиск фотонов ультравысоких энергий, как диффузных, так и от
точечных источников; с помощью методов машинного обучения улучшается
реконструкция энергий и направлений прихода космических лучей по данным этого
эксперимента. Вторая часть посвящена непрямому поиску темной материи: делается
интерпретация наиболее энергичных нейтрино IceCube в качестве продуктов
распада темной материи; изучается перспективность поиска распада темной
материи через наблюдение фотонов ультравысоких энергий от точечных источников;
рассматривается модель темной материи распадающейся во время рекомбинации в
свете современных ограничений на космические потоки гамма-квантов и
нейтрино. Третья часть посвящена анализу анизотропии КЛУВЭ: предлагается новый
метод оценки их массового состава из распределения направлений их прихода; с
помощью этого метода и данных Telescope Array оценивается массовый состав,
который оказывает очень тяжелым при самых высоких энергиях; рассматривается
частица экстремальной энергии детектированная Telescope Array и на основании
данных о ней выводится универсальное ограничение снизу на концентрацию
источников КЛУВЭ; анализируется крупно- и средне-масштабная анизотропия КЛУВЭ
по полному небу (объединенные данные Telescope Array и Pierre Auger), делается
ее интерпретация в свете моделей источников. В четвертой части работы
реконструируются спектры отдельных массовых компонент галактических
космических лучей (энергии 1-100 ПэВ) с помощью архивных данных эксперимента
KASCADE и методов машинного обучения, разработанных специально для этой цели.