← Ultimi articoli
🔬 fisica

Search for Cosmic Rays in GRANDProto300

Questo articolo presenta la pipeline di ricerca dei raggi cosmici e un algoritmo di identificazione basato su CNN in fase di sviluppo per l'array prototipo GRANDProto300, dettagliando i loro passaggi di filtraggio, la valutazione dell'efficienza sui dati da luglio a ottobre 2025 e l'accuratezza del modello nel distinguere i segnali di raggi cosmici dal rumore.

Autori originali: Jolan Lavoisier, Aurélien Benoit-Lévy, Kumiko Kotera, Mauricio Bustamante, Marion Guelfand, Nathan Lebas, Takashi Sako, Xishui Tian, for the GRAND Collaboration

Pubblicato 2026-10-30
📖 4 min di lettura☕ Lettura da pausa caffè

Autori originali: Jolan Lavoisier, Aurélien Benoit-Lévy, Kumiko Kotera, Mauricio Bustamante, Marion Guelfand, Nathan Lebas, Takashi Sako, Xishui Tian, for the GRAND Collaboration

Articolo originale sotto licenza CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ Questa è una spiegazione generata dall'IA dell'articolo qui sotto. Non è stata scritta né approvata dagli autori. Per precisione tecnica, consulta l'articolo originale. Leggi il disclaimer completo

Molto in alto sopra la Terra, l'atmosfera viene costantemente bombardata da particelle invisibili che viaggiano quasi alla velocità della luce. Questi sono i raggi cosmici, messaggeri energetici provenienti dallo spazio profondo che colpiscono l'aria del nostro pianeta, creando cascate di particelle secondarie che si propagano verso il suolo. Sebbene gli scienziati studino da tempo queste particelle, esiste un intervallo di energia specifico in cui le loro origini rimangono un mistero. È il confine dove le particelle nate all'interno della nostra galassia, la Via Lattea, potrebbero lasciare il posto a quelle provenienti da sorgenti distanti e potenti attraverso l'universo. Individuare questa transizione è fondamentale per capire come il cosmo acceleri la materia a energie così estreme, ma rilevare queste specifiche particelle è difficile perché arrivano raramente e lasciano solo tracce fugaci e deboli.

Per risolvere questo enigma, un team di ricercatori sta costruendo una massiccia stazione di ascolto nel deserto del Gobi, in Cina. Questo progetto, noto come GRAND, utilizza una vasta rete di antenne radio per catturare i deboli segnali radio prodotti quando i raggi cosmici colpiscono l'atmosfera. Il documento descrive i progressi di GRANDProto300, una versione prototipo di questo esperimento progettata per dimostrare che questo metodo di rilevamento radio funziona. Tra la fine del 2024 e la metà del 2025, il team ha gestito una versione ridotta della rete, distribuendo infine 65 antenne nel deserto, di cui 63 operative e in grado di raccogliere dati in modo stabile. Il loro obiettivo non era solo ascoltare, ma anche insegnare ai loro computer come distinguere il segnale genuino di un raggio cosmico dal rumore ambientale schiacciante, come le onde radio provenienti dagli aerei o dalle apparecchiature elettriche.

I ricercatori hanno affrontato una sfida significativa: i dati grezzi raccolti dalle antenne erano inondati da falsi allarmi. Per trovare i veri raggi cosmici, hanno sviluppato un processo di filtraggio passo dopo passo, molto simile al setacciare un grande mucchio di sabbia per trovare alcuni granelli specifici. Per prima cosa, hanno rimosso i burst di rumore che apparivano in cluster, che spesso provenivano da aerei commerciali o da un trasformatore elettrico nelle vicinanze. Successivamente, hanno esaminato la direzione delle onde radio. Poiché i raggi cosmici interagiscono con il campo magnetico terrestre, producono segnali con un'orientazione specifica che differisce dal rumore di fondo casuale. Hanno anche filtrato i segnali provenienti da direttamente sopra la testa o quasi piatti lungo l'orizzonte, poiché la geometria della loro rete di antenne rendeva difficile ricostruire accuratamente quegli angoli specifici. Infine, hanno controllato il tempo dei segnali tra le diverse antenne per garantire che corrispondessero al tempo di percorrenza previsto di un'onda proveniente da un singolo punto nel cielo.

Dopo aver applicato questi filtri rigorosi a milioni di eventi registrati, il team ha ristretto la lista a soli 51 candidati forti che sembravano essere veri raggi cosmici. Questi candidati mostravano i modelli attesi di arrivo e di intensità del segnale, suggerendo che il metodo di filtraggio stesse funzionando. Tuttavia, il team sapeva che le regole manuali potrebbero non catturare tutto, quindi ha iniziato ad addestrare un programma per computer utilizzando un tipo di intelligenza artificiale chiamato rete neurale. Questo programma ha imparato a riconoscere la forma unica di un segnale di raggio cosmico studiando migliaia di esempi sia da simulazioni al computer che da dati reali. Quando testato, questo nuovo strumento si è dimostrato altamente efficace nell'identificare i segnali simulati, segnalandone correttamente quasi tutti. La sua prestazione sui segnali reali di raggi cosmici registrati è stata buona ma leggermente inferiore, indicando che, sebbene il metodo sia potente, c'è ancora spazio per perfezionare il modo in cui gestisce le complessità dei dati del mondo reale.

Il lavoro presentato qui rappresenta un passo avanti vitale nella ricerca delle origini dei raggi cosmici ad alta energia. Operando con successo la rete prototipo e sviluppando una pipeline in grado di separare i veri eventi cosmici dal rumore, i ricercatori hanno validato la tecnica centrale per il più grande esperimento GRAND. L'identificazione di 51 candidati e lo sviluppo di uno strumento di machine learning per migliorare il rilevamento futuro mostrano che la strada è spianata. Il team si sta ora muovendo verso una rete più grande e sensibile che sarà in grado di mappare la transizione tra i raggi cosmici galattici ed extragalattici, rivelando potenzialmente i motori nascosti dell'universo che accelerano queste particelle a velocità incredibili.

Sommerso dagli articoli nel tuo campo?

Ricevi digest giornalieri degli articoli più recenti corrispondenti alle tue parole chiave di ricerca — con riassunti tecnici, nella tua lingua.

Prova Digest →