⚛️ phenomenology

RelExt: A New Dark Matter Tool for the Exploration of Dark Matter Models

L'article présente RelExt, un programme C++ conçu pour scanner efficacement les espaces de paramètres des extensions du Modèle Standard possédant un candidat de Matière Noire en générant automatiquement les amplitudes, en résolvant l'équation de Boltzmann pour la densité relique et en s'intégrant à d'autres outils pour tester les contraintes théoriques et expérimentales.

Auteurs originaux : Rodrigo Capucha, Karim Elyaouti, Milada Margarete Mühlleitner, Johann Plotnikov, Rui Santos

Publié 2026-01-28

📖 6 min de lecture🧠 Analyse approfondie

CC BY 4.0

Auteurs originaux : Rodrigo Capucha, Karim Elyaouti, Milada Margarete Mühlleitner, Johann Plotnikov, Rui Santos

Article original sous licence CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ Ceci est une explication générée par l'IA de l'article ci-dessous. Elle n'a pas été rédigée ni approuvée par les auteurs. Pour une précision technique, consultez l'article original. Lire la clause de non-responsabilité complète

La vue d'ensemble : Le puzzle cosmique

Imaginez que l'univers est un puzzle géant et complexe. Les scientifiques savent que la plupart des pièces du puzzle sont manquantes — ils appellent cette matière manquante la matière noire. Nous ne pouvons pas la voir, mais nous savons qu'elle est là à cause de la façon dont elle tire sur les galaxies (comme une main invisible).

Le Modèle Standard de la physique est le manuel d'instructions que nous possédons pour les pièces que nous pouvons voir (comme les atomes et la lumière). Mais ce manuel n'a pas d'instructions pour les pièces manquantes de la matière noire. Les scientifiques ont construit de nombreux nouveaux « manuels d'instructions » (modèles) qui tentent d'ajouter une pièce de matière noire au puzzle.

Le problème ? Il y a tellement de façons de construire ces nouveaux manuels, et tellement de nombres (paramètres) à ajuster, que trouver la seule version qui correspond réellement à l'univers réel revient à essayer de trouver un grain de sable spécifique sur une plage en examinant chaque grain un par un. Cela prend un temps infini.

Le nouvel outil : RelExt

Cet article présente un nouveau programme informatique appelé RelExt. Considérez RelExt comme un détecteur de métaux intelligent et à haute vitesse pour la plage des modèles de physique.

Au lieu qu'un humain creuse manuellement dans le sable, RelExt est un robot capable de :

Lire les plans : Vous lui donnez le « plan » mathématique (appelé fichiers FeynRules) d'un nouveau modèle de matière noire.
Faire le gros du travail : Il calcule automatiquement les calculs complexes nécessaires pour voir comment ces particules invisibles se comporteraient.
Trouver la correspondance : Il scanne des millions de réglages possibles pour trouver la combinaison spécifique qui produit la quantité exacte de matière noire que nous observons aujourd'hui dans l'univers.

Comment cela fonctionne : L'analogie du « Gel thermique » (Thermal Freeze-Out)

Pour comprendre ce que le programme calcule, imaginez une fête dansante bondée (l'univers primitif).

La Fête : L'univers est chaud et rempli de particules qui dansent et s'entrechoquent.
La Danse : Les particules de matière noire dansent entre elles. Parfois, elles s'entrechoquent et disparaissent (s'annihilent) en particules plus légères. Parfois, des particules plus légères s'entrechoquent et créent de la matière noire.
Le Gel : À mesure que l'univers s'étend, la fête s'agrandit et la musique ralentit. Les danseurs sont trop éloignés pour se cogner les uns aux autres. La « danse » s'arrête, et le nombre de particules de matière noire restantes est « gelé » en place.

Le travail de RelExt : Il simule cette fête. Il calcule exactement combien de danseurs resteraient lorsque la musique s'arrête. Si le calcul correspond à la quantité de matière noire que les astronomes observent réellement, ce modèle est un « gagnant ». Si le calcul laisse trop ou pas assez de matière noire, le modèle est un « perdant ».

La recette secrète : La « Recherche intelligente »

Les anciens outils étaient comme une personne marchant sur la plage à la recherche d'une aiguille, vérifiant un endroit à la fois. RelExt est différent. Il utilise des algorithmes de recherche efficaces (comme un GPS intelligent).

La « Marche aléatoire » : Imaginez que vous avez les yeux bandés et que vous essayez de trouver le sommet d'une colline. Vous faites un pas. Si vous montez, vous continuez dans cette direction. Si vous descendez, vous faites demi-tour. RelExt fait cela avec des nombres, grimpant rapidement vers le « sommet » où les mathématiques fonctionnent parfaitement.
La « Grille » : Il peut également poser une grille sur la plage, en vérifiant d'abord les endroits les plus prometteurs, puis en zoomant sur ces zones pour trouver la correspondance parfaite.

Qu'est-ce qui le rend spécial ?

Les auteurs soulignent trois caractives principales qui distinguent RelExt :

C'est un adaptateur universel : Vous n'avez pas besoin d'être un génie du codage pour l'utiliser. Si vous avez le plan d'un nouveau modèle, RelExt peut le lire, générer automatiquement les mathématiques et lancer la simulation. C'est comme un traducteur universel pour les modèles de physique.
Il est tourné vers l'avenir : Le code est construit de telle sorte que les scientifiques puissent facilement ajouter des « fonctionnalités avancées » plus tard (comme des calculs plus précis) sans avoir à reconstruire tout le système.
Il travaille bien avec les autres : RelExt est conçu pour communiquer avec d'autres outils que les auteurs ont développés. Un outil vérifie si le modèle enfreint les lois de la physique (contraintes théoriques), et un autre vérifie si le modèle correspond aux expériences du monde réel. RelExt agit comme le pont, garantissant que le modèle ne soit pas seulement bon sur le papier, mais qu'il corresponde aussi à la quantité de matière noire « gelée » que nous voyons dans le ciel.

Les résultats

L'équipe a testé RelExt sur plusieurs modèles existants (comme la « Complex Singlet Extension » ou le « Two-Real-Singlet Model »). Ils ont comparé leurs résultats avec d'autres outils célèbres (comme MicrOMEGAs) et ont constaté que RelExt est très cohérent avec eux (généralement à quelques pourcents près).

Ils ont également montré que RelExt est beaucoup plus rapide pour trouver les chiffres « gagnants ». Dans un test, une recherche aléatoire n'a trouvé presque aucune bonne correspondance, alors que la recherche intelligente de RelExt a trouvé des centaines de solutions valides dans le même laps de temps.

Résumé

RelExt est un nouveau programme informatique puissant qui aide les physiciens à arrêter de deviner et à commencer à trouver. Il automatise les calculs fastidieux de la simulation de l'univers primitif, permettant aux scientifiques de tester rapidement si leurs nouvelles idées sur la matière noire correspondent à la réalité que nous observons. C'est un outil qui transforme un problème de chercher une aiguille dans une botte de foin en une recherche rapide et efficace.

Résumé technique de RelExt : Un nouvel outil de matière noire pour l'exploration des modèles de matière noire

Énoncé du problème
La nature de la matière noire (DM) demeure l'une des questions ouvertes les plus significatives de la physique des particules contemporaine. Bien que le Modèle Standard (SM) soit structurellement complet, il manque un candidat viable pour la matière noire. Les extensions théoriques introduisent souvent des candidats de matière noire stabilisés par des symétries discrètes (par exemple, $Z_2$ ), mais la vérification de ces modèles nécessite de calculer la densité de relique thermique et de s'assurer qu'elle correspond aux contraintes observationnelles. Les outils existants tels que SuperIso Relic, DarkSUSY, MicrOMEGAs et MadDM calculent les densités de relique basées sur le mécanisme de freeze-out. Cependant, trouver des configurations de paramètres au sein d'espaces complexes au-delà du Modèle Standard (BSM) qui reproduisent la densité de relique mesurée avec les incertitudes expérimentales peut être intensivement coûteux en termes de calcul. De plus, de nombreux outils existants sont soit spécialisés pour des modèles spécifiques (par exemple, la Supersymétrie), soit nécessitent une saisie manuelle des sections efficaces moyennées thermiquement, ce qui limite leur flexibilité pour des modèles nouveaux et arbitraires.

Méthodologie
Les auteurs présentent RelExt, un programme en C++ conçu pour calculer la densité de relique thermique pour des extensions arbitraires du SM présentant un candidat de matière noire stabilisé par une symétrie discrète $Z_2$ . La méthodologie intègre plusieurs composantes distinctes :

Implémentation du modèle : Les utilisateurs fournissent des fichiers de modèles FeynRules. RelExt utilise les packages FeynArts et FeynCalc pour générer automatiquement les amplitudes au carré au niveau de l'arbre pour tous les processus de (co-)annihilation $2 \to 2$ de la DM. Ces amplitudes sont tokenisées pour optimiser le calcul et converties en code C++.
Calcul des amplitudes et des largeurs : Le code identifie automatiquement les médiateurs du canal $s$ et calcule leurs largeurs de désintégration totales. Pour les médiateurs scalaires et pseudoscalaires, il incorpore des corrections QCD d'ordre supérieur et des effets de désintégration hors-piste (par exemple, vers des bosons de jauge) suivant l'implémentation de HDECAY. Pour les bosons de jauge et les quarks top, les largeurs sont tirées de fichiers d'entrée ou calculées à l'ordre de base. Pour assurer la stabilité numérique près des résonances, le code emploie la formule de Breit-Wigner pour les propagateurs.
Section efficace moyennée thermiquement (TAC) : Le code calcule la TAC en intégrant les sections efficaces sur l'énergie du centre de masse et la température. Il utilise des méthodes d'intégration adaptative (Simpson 3/8 et Gauss-Kronrod) et traite les pics de résonance séparément. Les canaux fortement supprimés par les facteurs de Boltzmann sont négligés selon un seuil défini par l'utilisateur ( $B_\epsilon$ ).
Solveur de l'équation de Boltzmann : L'évolution du rendement de la DM est déterminée en résolvant l'équation de Boltzmann. Le code propose deux modes : une approximation rapide de freeze-out et une solution numérique complète utilisant une méthode adaptative de Dormand-Prince.
Algorithmes de recherche de paramètres : Une caractéristique distincte de RelExt est l'implémentation de trois algorithmes de recherche efficaces pour trouver des ensembles de paramètres satisfaisant la contrainte de densité de relique :
- Grille de Monte Carlo : Une approche basée sur une grille suivant les « meilleures cellules » (régions de paramètres les plus proches de la densité de relique cible) pour guider l'échantillonnage ultérieur.
- Recherche à paramètre unique : Une méthode basée sur le gradient (utilisant la dichotomie ou la descente de gradient) pour ajuster un paramètre unique afin d'atteindre la cible.
- Marche aléatoire : Un algorithme de marche aléatoire multi-paramétrique qui ajuste itérativement les paramètres pour minimiser la différence entre la densité de relique calculée et la cible.

Contributions clés

Automatisation et Flexibilité : RelExt permet aux utilisateurs d'implémenter des modèles BSM arbitraires avec un seul candidat de DM en fournissant uniquement des fichiers FeynRules. Il génère automatiquement les amplitudes, les largeurs et le code C++ nécessaires, éliminant le besoin de dérivation manuelle des éléments de matrice.
Procédures de balayage efficaces : Contrairement à de nombreux outils existants qui se concentrent sur le calcul, RelExt donne la priorité à la recherche d'espaces de paramètres viables. Ses algorithmes de balayage intégrés sont conçus pour localiser efficacement les régions où le modèle reproduit la densité de relique observée dans les incertitudes spécifiées par l'utilisateur.
Architecture modulaire : Le code est conçu pour être facilement lié à d'autres outils de la collaboration des auteurs, tels que ScannerS (pour les contraintes théoriques et expérimentales) et BSMPT (pour l'histoire des phases et les signaux d'ondes gravitationnelles), facilitant un test complet des modèles.
Modèles pré-implémentés : La version initiale comprend des implémentations pré-testées de l'extension du singulet complexe (CxSM), du N2HDM (phase de doublet sombre), du modèle CP in the Dark (CPVDM), du modèle à deux singulets réels (TRSM) et du BDM5.

Résultats et Validation
Les auteurs ont validé RelExt en comparant ses calculs de densité de relique à ceux de MicrOMEGAs pour plusieurs points de paramètres aléatoires et des balayages dédiés à travers les modèles pré-implémentés.

Accord : Pour le modèle du singulet réel et le CPVDM, RelExt et MicrOMEGAs montrent un très bon accord, avec des différences relatives généralement inférieures à 2 %.
Écarts : Des écarts plus importants (jusqu'à ~9 %) ont été observés dans des scénarios spécifiques, particulièrement près des résonances du canal $s$ impliquant des médiateurs avec de larges largeurs totales (par exemple, dans la phase de doublet sombre du N2HDM). Les auteurs attribuent cela à des implémentations différentes des largeurs totales dans les propagateurs : RelExt applique la largeur sur toute la plage d'intégration, tandis que MicrOMEGAs la restreint à une zone finie autour de la résonance.
Performance : Dans l'exemple du CPVDM, la combinaison du suivi des « meilleures cellules » et de l'algorithme de marche aléatoire (Méthode 3) a démontré une efficacité nettement supérieure au simple balayage aléatoire, produisant environ 100 fois plus de points viables dans la plage $2\sigma$ de la densité de relique observée pour un même temps de calcul.

Signification
L'article affirme que RelExt constitue un outil puissant et flexible pour contraindre les modèles de DM. En automatisant la génération d'amplitudes et en implémentant des algorithmes de recherche efficaces, il permet aux chercheurs d'explorer systématiquement les espaces de paramètres de modèles BSM arbitraires afin d'identifier les régions cohérentes avec la densité de relique mesurée. Cette capacité est cruciale pour déterminer les implications phénoménologiques de ces modèles pour les expériences actuelles et futures de collisionneurs et de détection directe. Les auteurs notent que le code est extensible aux corrections NLO et que les futures versions visent à inclure la matière noire multi-composante et les mécanismes de freeze-in. L'outil est disponible publiquement via GitHub.