⚛️ उच्च-ऊर्जा प्रयोग

Achieving a 0.49 keV threshold in the COSINE-100 dark matter experiment

COSINE-100 प्रयोग ने अपने पूरे छह-वर्षीय डेटासेट पर एक मल्टी-लेयर परसेप्ट्रॉन क्लासिफायर का उपयोग किया ताकि विश्लेषण थ्रेशोल्ड को घटाकर 0.49 keV किया जा सके, जिससे 2.0–2.8 GeV/ $c^2$ द्रव्यमान सीमा में स्पिन-डिपेंडेंट WIMP-प्रोटॉन इंटरैक्शन के लिए पहले से अनछुए पैरामीटर स्पेस की जांच की जा सके।

मूल लेखक: J. Kim (COSINE-100 Collaboration), N. Carlin (COSINE-100 Collaboration), D. F. F. S. Cavalcante (COSINE-100 Collaboration), J. Y. Cho (COSINE-100 Collaboration), S. J. Cho (COSINE-100 Collaboration)J. Kim (COSINE-100 Collaboration), N. Carlin (COSINE-100 Collaboration), D. F. F. S. Cavalcante (COSINE-100 Collaboration), J. Y. Cho (COSINE-100 Collaboration), S. J. Cho (COSINE-100 Collaboration), S. Choi (COSINE-100 Collaboration), A. C. Ezeribe (COSINE-100 Collaboration), L. E. França (COSINE-100 Collaboration), O. Gileva (COSINE-100 Collaboration), C. Ha (COSINE-100 Collaboration), I. S. Hahn (COSINE-100 Collaboration), E. J. Jeon (COSINE-100 Collaboration), H. W. Joo (COSINE-100 Collaboration), W. G. Kang (COSINE-100 Collaboration), M. Kauer (COSINE-100 Collaboration), B. H. Kim (COSINE-100 Collaboration), D. Y. Kim (COSINE-100 Collaboration), H. J. Kim (COSINE-100 Collaboration), K. W. Kim (COSINE-100 Collaboration), S. H. Kim (COSINE-100 Collaboration), S. K. Kim (COSINE-100 Collaboration), W. K. Kim (COSINE-100 Collaboration), Y. D. Kim (COSINE-100 Collaboration), Y. H. Kim (COSINE-100 Collaboration), B. R. Ko (COSINE-100 Collaboration), Y. J. Ko (COSINE-100 Collaboration), B. C. Koh (COSINE-100 Collaboration), D. H. Lee (COSINE-100 Collaboration), E. K. Lee (COSINE-100 Collaboration), H. Lee (COSINE-100 Collaboration), H. S. Lee (COSINE-100 Collaboration), H. Y. Lee (COSINE-100 Collaboration), I. S. Lee (COSINE-100 Collaboration), J. Lee (COSINE-100 Collaboration), J. Y. Lee (COSINE-100 Collaboration), M. H. Lee (COSINE-100 Collaboration), S. H. Lee (COSINE-100 Collaboration), S. H. Lee (COSINE-100 Collaboration), Y. J. Lee (COSINE-100 Collaboration), D. S. Leonard (COSINE-100 Collaboration), N. T. Luan (COSINE-100 Collaboration), V. H. A. Machado (COSINE-100 Collaboration), B. B. Manzato (COSINE-100 Collaboration), R. H. Maruyama (COSINE-100 Collaboration), R. F. Muhdi (COSINE-100 Collaboration), S. L. Olsen (COSINE-100 Collaboration), H. K. Park (COSINE-100 Collaboration), H. S. Park (COSINE-100 Collaboration), J. C. Park (COSINE-100 Collaboration), J. S. Park (COSINE-100 Collaboration), K. S. Park (COSINE-100 Collaboration), K. Park (COSINE-100 Collaboration), S. D. Park (COSINE-100 Collaboration), R. L. C. Pitta (COSINE-100 Collaboration), H. Prihtiadi (COSINE-100 Collaboration), C. Rott (COSINE-100 Collaboration), K. A. Shin (COSINE-100 Collaboration), M. K. Son (COSINE-100 Collaboration), L. T. Truc (COSINE-100 Collaboration), L. Yang (COSINE-100 Collaboration), G. H. Yu (COSINE-100 Collaboration)

प्रकाशित 2026-10-15

📖 6 मिनट में पढ़ें🧠 गहराई से पढ़ें

CC BY 4.0

मूल लेखक: J. Kim (COSINE-100 Collaboration), N. Carlin (COSINE-100 Collaboration), D. F. F. S. Cavalcante (COSINE-100 Collaboration), J. Y. Cho (COSINE-100 Collaboration), S. J. Cho (COSINE-100 Collaboration), S. Choi (COSINE-100 Collaboration), A. C. Ezeribe (COSINE-100 Collaboration), L. E. França (COSINE-100 Collaboration), O. Gileva (COSINE-100 Collaboration), C. Ha (COSINE-100 Collaboration), I. S. Hahn (COSINE-100 Collaboration), E. J. Jeon (COSINE-100 Collaboration), H. W. Joo (COSINE-100 Collaboration), W. G. Kang (COSINE-100 Collaboration), M. Kauer (COSINE-100 Collaboration), B. H. Kim (COSINE-100 Collaboration), D. Y. Kim (COSINE-100 Collaboration), H. J. Kim (COSINE-100 Collaboration), K. W. Kim (COSINE-100 Collaboration), S. H. Kim (COSINE-100 Collaboration), S. K. Kim (COSINE-100 Collaboration), W. K. Kim (COSINE-100 Collaboration), Y. D. Kim (COSINE-100 Collaboration), Y. H. Kim (COSINE-100 Collaboration), B. R. Ko (COSINE-100 Collaboration), Y. J. Ko (COSINE-100 Collaboration), B. C. Koh (COSINE-100 Collaboration), D. H. Lee (COSINE-100 Collaboration), E. K. Lee (COSINE-100 Collaboration), H. Lee (COSINE-100 Collaboration), H. S. Lee (COSINE-100 Collaboration), H. Y. Lee (COSINE-100 Collaboration), I. S. Lee (COSINE-100 Collaboration), J. Lee (COSINE-100 Collaboration), J. Y. Lee (COSINE-100 Collaboration), M. H. Lee (COSINE-100 Collaboration), S. H. Lee (COSINE-100 Collaboration), S. H. Lee (COSINE-100 Collaboration), Y. J. Lee (COSINE-100 Collaboration), D. S. Leonard (COSINE-100 Collaboration), N. T. Luan (COSINE-100 Collaboration), V. H. A. Machado (COSINE-100 Collaboration), B. B. Manzato (COSINE-100 Collaboration), R. H. Maruyama (COSINE-100 Collaboration), R. F. Muhdi (COSINE-100 Collaboration), S. L. Olsen (COSINE-100 Collaboration), H. K. Park (COSINE-100 Collaboration), H. S. Park (COSINE-100 Collaboration), J. C. Park (COSINE-100 Collaboration), J. S. Park (COSINE-100 Collaboration), K. S. Park (COSINE-100 Collaboration), K. Park (COSINE-100 Collaboration), S. D. Park (COSINE-100 Collaboration), R. L. C. Pitta (COSINE-100 Collaboration), H. Prihtiadi (COSINE-100 Collaboration), C. Rott (COSINE-100 Collaboration), K. A. Shin (COSINE-100 Collaboration), M. K. Son (COSINE-100 Collaboration), L. T. Truc (COSINE-100 Collaboration), L. Yang (COSINE-100 Collaboration), G. H. Yu (COSINE-100 Collaboration)

मूल पेपर CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/) के तहत लाइसेंस किया गया है। ✨ नीचे दिए गए पेपर की यह व्याख्या AI से तैयार की गई है। इसे लेखकों ने न तो लिखा है, न इसका समर्थन किया है। तकनीकी सटीकता के लिए मूल पेपर देखें। पूरा डिस्क्लेमर पढ़ें

ब्रह्मांड की गहराइयों में, डार्क मैटर (dark matter) नामक एक विशाल, अदृश्य पदार्थ के बारे में माना जाता है कि यह आकाशगंगाओं को एक साथ थामे रखता है। यह अस्तित्व में मौजूद हर चीज़ का लगभग एक चौथाई हिस्सा बनाता है, फिर भी यह न तो प्रकाश उत्सर्जित करता है, न गर्मी, और न ही कोई ऐसा संकेत जिसे हम आसानी से पकड़ सकें। वैज्ञानिकों ने दशकों तक इसे खोजने की कोशिश की है, यह प्रस्तावित करते हुए कि यह भारी, धीमी गति से चलने वाले कणों से बना हो सकता है जो कभी-कभार साधारण परमाणुओं से टकराते हैं। जब ऐसा टकराव होता है, तो इसे प्रकाश की एक सूक्ष्म चमक, ऊर्जा की एक हल्की फुसफुसाहट छोड़नी चाहिए जिसे संवेदनशील डिटेक्टर सुन सकें। चुनौती यह है कि ये फुसफुसाहटें अविश्वसनीय रूप से मंद होती हैं और प्राकृतिक दुनिया के निरंतर शोर, जैसे रेडियोधर्मी चट्टानों या कॉस्मिक किरणों द्वारा आसानी से दबा दी जाती हैं। उन्हें सुनने के लिए, शोधकर्ताओं को मील लंबी चट्टानों द्वारा ढके हुए भूमिगत गहराई में डिटेक्टर बनाने होते हैं, और इतने सटीक उपकरणों के साथ सुनना होता है जो एक एकल प्रकाश की चिंगारी को शोर से अलग कर सकें।

दक्षिण कोरिया की एक शांत घाटी में, वैज्ञानिकों की एक टीम सोडियम आयोडाइड से बने क्रिस्टल के एक बड़े समूह का उपयोग करके इन फुसफुसाहटों को सुनने का प्रयास कर रही है, जो एक ऐसी सामग्री है जो किसी कण के टकराने पर चमकती है। COSINE-100 के नाम से जानी जाने वाली यह प्रयोगात्मक प्रक्रिया पिछले छह वर्षों से चल रही है, जिसमें भारी मात्रा में डेटा एकत्र किया जा रहा है। लंबे समय तक, टीम केवल उन्हीं संकेतों पर भरोसा कर सकती थी जो बैकग्राउंड शोर से स्पष्ट रूप से ऊपर उठने के लिए पर्याप्त मजबूत थे, जिसका अर्थ था कि वे सबसे सूक्ष्म और मायावी फुसफुसाहटों को चूक जाते थे। हालांकि, उनके पूरे छह साल के डेटासेट के एक नए विश्लेषण ने खेल बदल दिया है। एक परिष्कृत कंप्यूटर प्रोग्राम का उपयोग करके यह सीखने के बाद कि एक वास्तविक कण के प्रहार और एक यादृच्छिक गड़बड़ी (glitch) के बीच क्या अंतर है, शोधकर्ताओं ने अपनी सुनने की सीमा (threshold) को 0.49 keV तक कम कर दिया है। यह ऊर्जा की एक इतनी छोटी इकाई है जो उस सबसे मंद सिग्नल का प्रतिनिधित्व करती है जिसे डिटेक्टर विश्वसनीय रूप से पहचान सकता है, जिससे टीम सबसे शांत संभव अंतःक्रियाओं को सुन सकती है।

इस उपलब्धि की कुंजी एक कंप्यूटर को यह सिखाना था कि एक कण के कारण होने वाली प्रकाश की चमक के अनूठे आकार को कैसे पहचाना जाए। अतीत में, टीम सरल तरीकों पर निर्भर थी जो कमजोर संकेतों के मामले में संघर्ष करते थे, और अक्सर उन्हें इलेक्ट्रॉनिक शोर समझ लेते थे या उन्हें पूरी तरह से अनदेखा कर देते थे। इस नए अध्ययन के लिए, शोधकर्ताओं ने लाखों कंप्यूटर सिमुलेशन बनाए कि एक वास्तविक कण के प्रहार को कैसा दिखना चाहिए। फिर उन्होंने एक न्यूरल नेटवर्क, जो एक प्रकार का आर्टिफिशियल इंटेलिजेंस है, को प्रशिक्षित किया ताकि वह क्रिस्टल से प्राप्त वास्तविक डेटा की तुलना इन सिमुलेशन से कर सके। कंप्यूटर ने इस बात को पहचानने में महारत हासिल की कि प्रकाश के स्पंद (pulses) कैसे बढ़ते और गिरते हैं, जिससे वह एक वास्तविक घटना के धीमे, सुचारू क्षय (decay) और शोर के तीव्र, अनियमित उछाल के बीच अंतर कर सका। यह प्रशिक्षण विभिन्न घटनाओं के समूहों के लिए अलग-अलग किया गया था, जो इस बात पर निर्भर था कि सिग्नल में प्रकाश के कितने अलग-अलग शिखर (peaks) दिखाई देते हैं, ताकि यह सुनिश्चित किया जा सके कि कंप्यूटर ऊर्जा की पूरी सीमा में यथासंभव सटीक हो।

परिणाम एक ऐसा फिल्टर है जो तीक्ष्ण और संवेदनशील दोनों है। यह नए, अत्यंत-निम्न थ्रेशोल्ड पर दस प्रतिशत से अधिक वास्तविक कण संकेतों को बनाए रखता है जबकि निन्यानवे प्रतिशत शोर को खारिज कर देता है। इस पद्धति को सिद्ध करने के लिए, टीम ने डिटेक्टर के भीतर प्रकाश के ज्ञात स्रोतों, जैसे कि क्रिस्टल में स्वाभाविक रूप से मौजूद रेडियोधर्मी परमाणुओं के विरुद्ध अपने परिणामों की जांच की। उन्होंने पुष्टि की कि कंप्यूटर सही ढंग से वास्तविक घटनाओं की पहचान कर रहा था और इसका प्रदर्शन छह वर्षों के डेटा संग्रह के दौरान स्थिर रहा। यह स्थिरता महत्वपूर्ण है, क्योंकि इसका अर्थ है कि टीम अपने द्वारा देखे जा रहे डेटा पर भरोसा कर सकती है, यह जानते हुए कि डिटेक्टर समय के साथ विचलित नहीं हुआ है या उसका व्यवहार बदला नहीं है।

इस सूक्ष्म संकेतों को सुनने की नई क्षमता के साथ, शोधकर्ताओं ने डार्क मैटर को खोजने की अपनी संभावनाओं में उल्लेखनीय सुधार किया है, विशेष रूप से काल्पनिक कणों के हल्के संस्करणों के लिए। हल्के कण धीमी गति से चलते हैं और ऊर्जा की छोटी चमक पैदा करते हैं, इसलिए वे पहले पहचान की सीमा से नीचे छिपे हुए थे। अब, टीम 2.0 से 2.8 GeV/c² के द्रव्यमान रेंज के बीच उन्हें खोज सकती है, जो ब्रह्मांड का एक ऐसा क्षेत्र है जो अन्य प्रयोगों द्वारा काफी हद तक अनछुआ रहा है। उनका विश्लेषण बताता है कि यदि ये हल्के डार्क मैटर कण मौजूद हैं और प्रोटॉन के साथ एक विशिष्ट तरीके से अंतःक्रिया करते हैं, तो COSINE-100 डिटेक्टर उन्हें देख पाने में सक्षम होना चाहिए। हालांकि टीम को अभी तक कोई निर्णायक संकेत नहीं मिला है, लेकिन उनकी बेहतर संवेदनशीलता उन्हें उन सीमाओं को निर्धारित करने की अनुमति देती है जहाँ ये कण छिप सकते हैं, जिससे प्रभावी रूप से उन संभावनाओं के एक बड़े हिस्से को खारिज किया जा सका जहाँ तक अन्य प्रयोग नहीं पहुँच सके।

यह कार्य इस क्षेत्र में चल रही एक लंबे समय से चली आ रही बहस को सुलझाने में भी मदद करता है। DAMA/LIBRA नामक एक अन्य प्रयोग ने अपने डेटा में एक वार्षिक उतार-चढ़ाव (wobble) दर्ज किया है जिसका दावा है कि यह डार्क मैटर के कारण है, लेकिन अन्य डिटेक्टर इसकी पुष्टि नहीं कर पाए हैं। चूंकि दोनों प्रयोग एक ही प्रकार के क्रिस्टल का उपयोग करते हैं, इसलिए वे सीधे तौर पर तुलना कर सकते हैं। हालांकि, ऊर्जा को मापने के तरीकों में अंतर ने प्रत्यक्ष तुलना को कठिन बना दिया था। अपनी थ्रेशोल्ड को 0.49 keV तक कम करके और ऊर्जा के प्रति उनके क्रिस्टल की प्रतिक्रिया का सावधानीपूर्वक हिसाब रखकर, COSINE-100 टीम अब DAMA/LIBRA के समान निम्न-ऊर्जा शुरुआती बिंदु तक पहुँच गई है। यह उन्हें ऊर्जा की पूरी सीमा में दूसरे प्रयोग के दावे का परीक्षण करने की अनुमति देता है जहाँ सिग्नल दर्ज किया गया था, बिना इस बारे में कोई धारणा बनाए कि कण कैसे व्यवहार करते हैं।

ये निष्कर्ष अदृश्य ब्रह्मांड की खोज में एक बड़ी प्रगति का प्रतिनिधित्व करते हैं। अपने डिटेक्टरों की सुनने की सीमाओं को आगे बढ़ाकर, वैज्ञानिकों ने डार्क मैटर के निम्न-द्रव्यमान क्षेत्र में एक नया द्वार खोल दिया है। उन्होंने दिखाया है कि सही उपकरणों और पर्याप्त धैर्य के साथ, ब्रह्मांड की सबसे मंद फुसफुसाहटों को भी शोर से अलग किया जा सकता है। हालांकि डार्क मैटर का रहस्य अभी भी अनसुलझा है, यह कार्य सिद्ध करता है कि खोज अभी समाप्त नहीं हुई है, और अगला महत्वपूर्ण मोड़ बस थोड़ा और बारीकी से सुनने से आ सकता है।

तकनीकी सारांश: COSINE-100 डार्क मैटर प्रयोग में 0.49 keV थ्रेशोल्ड प्राप्त करना

समस्या विवरण
COSINE-100 प्रयोग कमजोर रूप से अंतःक्रिया करने वाले कणों (WIMPs) की खोज के लिए और DAMA/LIBRA सहयोग द्वारा रिपोर्ट किए गए वार्षिक मॉड्यूलेशन सिग्नल का परीक्षण करने के लिए थैलियम से डोप्ड सोडियम आयोडाइड (NaI(Tl)) क्रिस्टल का उपयोग करता है। पिछले विश्लेषणों में एक महत्वपूर्ण सीमा ऊर्जा थ्रेशोल्ड (energy threshold) थी, जिसने प्रयोग की कम द्रव्यमान वाले WIMPs की जांच करने और DAMA/LIBRA द्वारा दावा किए गए ऊर्जा क्षेत्र (1–2 keV) को पूरी तरह से कवर करने की क्षमता को प्रतिबंधित कर दिया था। ऊर्जा अंशांकन (calibration) स्केल और क्वेंचिंग फैक्टर (QF) के बीच अंतर के कारण, DAMA/LIBRA के 1 keV थ्रेशोल्ड के अनुरूप एक न्यूक्लियर रिकॉयल ऊर्जा के लिए COSINE-100 को अपने सुधारा गया ऊर्जा स्केल पर 0.49 keV के करीब विश्लेषण थ्रेशोल्ड प्राप्त करने की आवश्यकता है। इसके अतिरिक्त, इतने कम ऊर्जा (sub-keV) पर वास्तविक स्किन्टिलेशन घटनाओं को फोटोमल्टीप्लायर ट्यूब (PMT) शोर से अलग करना चुनौतीपूर्ण है, क्योंकि शोर का संदूषण आसानी से सिग्नल को दबा सकता है।

कार्यप्रणाली
पूर्ण 6-वर्षीय डेटासेट (358 kg·years एक्सपोजर) का उपयोग करके विश्लेषण थ्रेशोल्ड को 0.49 keV तक कम करने के लिए, लेखकों ने मल्टी-लेयर पर्सेप्ट्रॉन (MLP) क्लासिफायर पर आधारित एक उन्नत इवेंट सिलेक्शन रणनीति लागू की। इस कार्यप्रणाली ने पिछले विश्लेषणों की तुलना में दो प्राथमिक सुधार पेश किए:

सिम्युलेटेड सिग्नल ट्रेनिंग: सिग्नल ट्रेनिंग के लिए सीमित अंशांकन डेटा पर निर्भर रहने के बजाय, लेखकों ने प्रति क्रिस्टल लगभग $3 \times 10^6$ सिम्युलेटेड स्किन्टिलेशन वेवफॉर्म जनरेट किए। इसने सिग्नल सैंपल के आकार को शोर (noise) सैंपल के बराबर करने की अनुमति दी, जिससे उस असंतुलन को दूर किया जा सका जिसने पहले MLP के प्रदर्शन को सीमित कर दिया था।
क्लस्टर-नंबर (NC) ग्रुपिंग: घटनाओं को वेवफॉर्म में आइसोलेटेड फोटोइलेक्ट्रॉन क्लस्टर्स की संख्या (NC) के आधार पर समूहों में वर्गीकृत किया गया। प्रत्येक NC समूह (NC=5 से NC≥15 तक) के लिए अलग-अलग MLP को प्रशिक्षित किया गया। इस दृष्टिकोण ने विशिष्ट निम्न-ऊर्जा टोपोलॉजी के लिए भेदभाव प्रदर्शन को अनुकूलित किया, क्योंकि पल्स शेप की विशेषताएं क्लस्टर्स की संख्या के साथ काफी भिन्न होती हैं।

MLP आर्किटेक्चर में तीन हिडन लेयर्स (256, 128, और 32 नोड्स) शामिल हैं और यह नौ इनपुट वेरिएबल्स का उपयोग करता है जो पल्स शेप की विशेषता बताते हैं, जिनमें चार्ज रेश अनुपात ( $Q_{tail}/Q_{total}$ , $Q_{head}/Q_{total}$ ), मीन-टाइम पैरामीटर्स, और टाइप-1 (spiky) एवं टाइप-2 (long-tailed) शोर को लक्षित करने वाले विभिन्न लाइक्लिहुड-आधारित भेदभाव वेरिएबल्स शामिल हैं। चयन मानदंड को यह बनाए रखने के लिए सेट किया गया था कि थ्रेशोल्ड ऊर्जा पर शोर संदूषण 1% से कम रहे जबकि स्किन्टिलेशन घटनाओं का 10% से अधिक हिस्सा बना रहे।

सत्यापन
इवेंट सिलेक्शन को तीन स्वतंत्र जाँचों के माध्यम से कड़ाई से सत्यापित किया गया:

सिमुलेशन निरंतरता: सिमुलेशन में प्रमुख इनपुट वेरिएबल्स के प्रोबेबिलिटी डेंसिटी फंक्शन्स की भौतिक डेटा के विरुद्ध तुलना की गई, जो अच्छा सामंजस्य ( $\chi^2/ndf \approx 1$ ) दर्शाती है।
अस्थायी स्थिरता: चयन प्रदर्शन को छह वर्षों के डेटा संग्रह के दौरान स्थिर पाया गया, MLP स्कोर वितरण में कोई महत्वपूर्ण समय-निर्भरता नहीं देखी गई।
दक्षता सत्यापन: सिमुलेशन से प्राप्त चयन दक्षता की जांच दो डेटा-संचालित नमूनों से की गई: $^{22}$ Na अंशांकन डेटा और आंतरिक $^{22}$ Na घटनाएं (जिन्हें 1274 keV $\gamma$ -रेज़ के साथ सह-घटना के माध्यम से पहचाना गया)। सिमुलेशन-आधारित दक्षता इन स्वतंत्र मापों के साथ सांख्यिकीय अनिश्चितताओं के भीतर सुसंगत पाई गई।

प्रमुख परिणाम

थ्रेशोल्ड प्राप्ति: विश्लेषण ने सफलतापूर्वक ऊर्जा थ्रेशोल्ड को 0.49 keV (इलेक्ट्रॉन-इक्विवेलेंट ऊर्जा) तक कम कर दिया। इस थ्रेशोल्ड पर, स्किन्टिलेशन घटनाओं के लिए चयन दक्षता 10% से ऊपर रहती है, जबकि शोर संदूषण 1% से नीचे रहता है।
संवेदनशीलता में सुधार: कम हुआ थ्रेशोल्ड कम द्रव्यमान वाले WIMPs के प्रति संवेदनशीलता को महत्वपूर्ण रूप से बढ़ाता है, जिनका रिकॉयल स्पेक्ट्रा ऊर्जा के साथ तेजी से गिरता है।
स्पिन-डिपेंडेंट बाधाएं: स्पिन-डिपेंडेंट (SD) WIMP-प्रोटॉन इंटरैक्शन के लिए, प्रयोग 2.5 GeV/ $c^2$ के WIMP द्रव्यमान पर $1.1 \times 10^{-36} \text{ cm}^2$ का मध्यम अपेक्षित ऊपरी सीमा (upper limit) प्राप्त करता है।
पैरामीटर स्पेस अन्वेषण: 2.0–2.8 GeV/ $c^2$ द्रव्यमान रेंज में, अपेक्षित सीमाएं पिछले COSINE-100 परिणामों की तुलना में 3.5 गुना तक कम हैं और इस विशिष्ट क्षेत्र में PandaX-4T और PICO-60 की मौजूदा सीमाओं से काफी नीचे हैं। यह SD WIMP-प्रोटॉन इंटरैक्शन के लिए पहले से अनछुए पैरामीटर स्पेस की जांच करता है।

महत्व
यह शोध दावा करता है कि यह बेहतर इवेंट सिलेक्शन COSINE-100 को DAMA/LIBRA के पूर्ण ऊर्जा क्षेत्र (1–6 keV) को कवर करने में सक्षम बनाता है, जिससे डार्क मैटर हेलो या इंटरैक्शन मॉडल के बारे में धारणाओं पर निर्भर रहने के बिना मॉड्यूलेशन सिग्नल की सीधी तुलना संभव हो पाती है। यह प्रदर्शित करके कि एक NaI(Tl) डिटेक्टर उच्च सिग्नल दक्षता और कम शोर बनाए रखते हुए सब-keV थ्रेशोल्ड के साथ काम कर सकता है, यह कार्य कम द्रव्यमान वाले WIMPs, विशेष रूप से स्पिन-डिपेंडेंट इंटरैक्शन के लिए प्रतिस्पर्धी बाधाएं स्थापित करता है। ये परिणाम निम्न-ऊर्जा शासन में डायरेक्ट डार्क मैटर डिटेक्शन प्रयोगों की संवेदनशीलता को बढ़ाने के लिए मशीन लर्निंग तकनीकों और वेवफॉर्म सिमुलेशन के उपयोग को प्रमाणित करते हैं।

इसी तरह के और पेपर