Группа CALET опубликовала данные трехлетних измерений спектра космических протонов с энергиями от 50 гигаэлектронвольт до 10 тысяч тераэлектронвольт. Этот рекордно широкий диапазон объединяет диапазоны магнитных спектрометров и менее совершенных калориметров, что позволяет объединить и независимо проверить данные предыдущих экспериментов. Возможно, в будущем эти данные помогут ученым объяснить наблюдаемый излом в суммарном спектре всех космических частиц. Статья опубликована в Physical Review Letters и находится в открытом доступе.
Наша Земля постоянно находится под обстрелом космических лучей — электронов, позитронов, протонов, дейтронов, ядер гелия и более тяжелых частиц, прилетающих из космоса. Энергия таких частиц охватывает чрезвычайно широкий диапазон от десятых долей до 1011 гигаэлектронвольт. Суммарное число частиц всех сортов уменьшается при росте энергии по степенному закону: вплоть до энергий порядка миллиона гигаэлектронвольт поток частиц обратно пропорционален энергии в степени 2,75, при бо́льших энергиях наблюдается еще более резкое падение. Если отнормировать спектр частиц на этот степенной закон и построить его график, то в области миллиона гигаэлектронвольт будет наблюдаться резкий излом — так называемое «колено». В настоящее время физики не знают, почему спектр космических лучей выглядит именно таким образом, хотя и выдвигают огромное число гипотез.
В частности, одна из гипотез объясняет «колено» гипотетическим обрезанием спектров отдельных частиц, положение которого может зависеть от их сорта. В принципе, эту гипотезу можно проверить с помощью космических детекторов, напрямую регистрирующих энергию, заряд и направление движения частиц. В настоящее время физикам известно две конструкции таких детекторов. С одной стороны, на низких энергиях более удобно использовать магнитный спектрометр — прибор, который определяет энергию частиц с помощью магнитного поля. С другой стороны, на высоких энергиях более удобен ионизационный калориметр — установка, которая восстанавливает энергию частиц по рожденным ею вторичным частицам. К сожалению, «сшитая» таким образом картинка может быть искажена неконтролируемыми систематическими погрешностями, по-разному проявляющимися в разных частях спектра. Чтобы исключить такую возможность, данные детекторов необходимо перепроверять.
Телескоп CALET (CALorimetric Electron Telescope), работающий на Международной космической станции с августа 2015 года, строился именно для этой цели. CALET состоит из зарядового детектора, формирующего изображение калориметра и поглотительного калориметра. Суммарная толщина калориметров достигает тридцати длин излучения (radiation length). Благодаря конструктивным особенностям детектора он регистрирует протоны с энергиями от 50 до 10 тысяч гигаэлектронвольт, что покрывает диапазоны как магнитных спектрометров (BESS-TEV, PAMELA и AMS-02), так и менее совершенных калориметров (ATIC, CREAM и NUCLEON). При этом относительная систематическая погрешность CALET не превышает десяти процентов, что сравнимо с остальными экспериментами.
Теперь группа CALET наконец проанализировала данные, собранные телескопом с 13 октября 2015 по 31 августа 2018 года. За этот промежуток времени высокоэнергетический триггер в сумме проработал около 21422 часов, а низкоэнергетический — около 365 часов. Чтобы восстановить параметры протонов, попавших в детектор, ученые численно моделировали их распады с помощью пакетов EPICS, FLUCA и GEANT4, основанных на методе Монте-Карло.
В результате ученые построили спектр космических протонов, который совпадал с данными других экспериментов во всех диапазонах энергий. По оценкам ученых, этот спектр можно приблизить степенной зависимостью, показатель которой равен γ1≈−2,81±0,03 в диапазоне 50–500 гигаэлектронвольт и γ2≈−2,56±0,04 в диапазоне 1–10 тераэлектронвольт. Другими словами, при больших энергиях спектр «ужесточается».
Таким образом, ученые заключают, что со статистической значимостью около трех сигма спектр космических протонов нельзя описать единой степенной зависимостью. Это совпадает с данными предыдущих экспериментов. К сожалению, без данных о спектре других космических частиц — например, ядер гелия, — эти данные не позволяют проверить гипотезу о природе «колена». Тем не менее, авторы статьи считают, что в будущем, когда CALET также измерить спектр альфа-частиц и других ядер, информация об «ужесточении» протонного спектра поможет прояснить этот вопрос.
Космические лучи — это источник частиц самых высоких энергий, с которыми когда-либо могло работать человечество, а потому их изучение играет важную роль в современной физике. Впрочем, сколько-нибудь значимую статистику по высокоэнергетическим частицам ученые начали набирать только недавно. Например, в апреле 2015 года детектор AMS опубликовал результаты четырехлетней работы, в ходе которой он поймал около 60 миллиардов частиц и обнаружил необъяснимый избыток антипротонов. В ноябре 2011 китайский спутник DAMPE впервые измерил спектр космических электронов и позитронов с энергиями до 4,6 тераэлектронвольт и подтвердил «провал» в области 0,9 тераэлектронвольт, на который косвенно указывали данные других экспериментов. Два года спустя AMS также подтвердил это наблюдение. Более подробно про работу таких детекторов, в частности, спутника DAMPE, рассказывает материал «Изломы и всплески далекого космоса». Кроме того, про исследование космических лучей можно прочитать в статьях «Космические лучи» и «Что мы знаем о космических лучах».
Дмитрий Трунин
А также измерит расстояние до них
Американские ученые разработали технологию пассивного теплового зрения HADAR, которая по инфракрасному изображению получает информацию о температуре, материалах и текстуре поверхности объектов, их излучательной способности, а также умеет измерять расстояние. Технология позволяет в ночных условиях получать изображение, сопоставимое по качеству со стереоскопическими изображениями, получаемыми обычными RGB камерами при дневном освещении. Статья опубликована в журнале Nature. Для автономной навигации и взаимодействия с людьми роботам и беспилотникам нужна информация об окружении, которую они получают с помощью камер, лидаров, сонаров или радаров. Однако обычные камеры зависят от условий освещенности и плохо работают в ночное время и при плохой погоде. Кроме этого информация, получаемая с камер не содержит физического контекста, что может приводить к некорректной работе нейросетевых алгоритмов автопилота, который, к примеру, не может отличить настоящего человека от манекена. Активные сенсоры, такие как лидары и радары, при резком росте их числа начинают взаимно влиять друг на друга. Выходом могло бы стать использование в условиях недостаточной видимости камер, работающих в инфракрасном диапазоне. Однако из-за так называемого «эффекта призрачности» получаемые тепловизором изображения обычно выглядят как пятна без четкой текстуры. Это связано с тем, что поверх отражающихся от объекта инфракрасных лучей, которые несут информацию об особенностях его рельефа, накладывается его собственное тепловое излучение, которое засвечивает эту полезную информацию. Группа ученых под руководством Зубин Джакоб (Zubin Jacob) из Университета Пердью смогла справиться с этой проблемой. Они разработали технологию под названием HADAR (акроним от слов heat-assisted detection and ranging), которая с помощью машинного обучения извлекает из изображений, полученных в инфракрасном диапазоне, информацию о температуре объектов, излучательной способности материалов, из которых они состоят, а также их физической текстуре. Кроме того, технология позволяет определять расстояние до объектов на изображении. Выделение информации о собственном излучении объектов позволяет избавиться от «эффекта призрачности» и получить информацию о текстуре. Для этого авторы используют данные из библиотеки материалов, которая содержит информацию об их излучательной способности. Инфракрасное изображение фиксируется с помощью гиперспектральной камеры, после чего данные поступают на вход нейросетевой модели, которая производит декомпозицию исходных данных, выделяя из них информацию о температуре, собственном излучении и текстуре. Для обучения алгоритма исследователи использовали как настоящие изображения, полученные с помощью камеры, так и множество сгенерированных трехмерных сцен. Возможности технологии демонстрирует одна из сцен, на которой при слабом освещении запечатлен автомобиль черного цвета и человек, рядом с которым установлен вырезанный из картона портрет Альберта Эйнштейна в натуральную величину. Изображения, полученные с помощью обычной камеры, лидара и HADAR затем использовали для определения объектов с помощью алгоритма распознавания изображений. На изображении, полученном с помощью обычной камеры, алгоритм ошибочно распознал двух людей, приняв картонную фигуру за человека. На данных, полученных лидаром, оказалось невозможно определить автомобиль. При этом HADAR смог выделить все составляющие сцены, а также определить, что одна из человеческих фигур имеет сигнатуру краски на поверхности, а вторая покрыта тканью. Созданная технология может значительно улучшить системы автономной навигации беспилотных транспортных средств и роботов, дополнив уже существующие системы или даже заменив их. HADAR позволяет определять объекты и измерять расстояние по данным, полученным в ночное время, так же хорошо, как это делают традиционные системы компьютерного зрения, которые используют данные с камер в условиях дневного освещения. По словам авторов работы, в дальнейшем им предстоит решить проблему высокой стоимости оборудования для гиперспектральной съемки и невысокой производительности алгоритма. Сейчас процесс получения изображений и их обработки занимает минуты, но для работы в режиме реального времени это время необходимо сократить. Ранее мы рассказывали, как физики создали лидар, способный распознать метровые детали с рекордного расстояния в 45 километров в условиях высокого шума и слабого сигнала.