le vendredi 13 décembre 2024 à 10h00 dans l’amphi Becquerel de l’École polytechnique
Fond Diffus de Neutrinos issus de Supernovæ : Des Fondations vers la Détection et la Découverte avec les Expériences Super-Kamiokande et Hyper-Kamiokande
Les supernovæ à effondrement de cœur (CCSNe), issues de la mort d’étoiles massives (≳ 8 masses solaires), comptent parmi les événements les plus énergétiques de l’Univers.
Environ 99% de leur énergie gravitationnelle est émise sous forme de neutrinos, offrant une sonde unique pour étudier les mécanismes des CCSNe.
Cependant, la décroissance de leur flux avec la distance ainsi que leur petite section efficace limitent leur détection à des CCSNe galactiques rares, le dernier événement proche ayant été observé en 1987.
Pour surmonter cette limitation, l’expérience Super-Kamiokande (SK) cherche à détecter le fond diffus de neutrinos de supernovæ (DSNB), le flux cumulatif de neutrinos issus de toutes les CCSNe passées.
Sa détection permettrait d’apporter des éclairages sur les propriétés des neutrinos ainsi que sur l’histoire de la formation des étoiles et de notre Univers.
La détection du DSNB reste difficile en raison de son faible flux.
En 2020, SK a été enrichi en gadolinium (Gd) pour améliorer le repérage des neutrons dans le canal de détection par désintégration bêta inverse, augmentant ainsi sa sensibilité.
Dans cette thèse, nous présentons la première analyse du DSNB réalisée avec les données de SK-Gd et établissons les limites supérieures les plus strictes à ce jour sur son flux.
Par ailleurs, nous menons des études d’optimisation sur la sélection des événements, offrant des perspectives d’amélioration supplémentaires.
Avec l’arrivée d’Hyper-Kamiokande (HK), un détecteur possédant un volume environ cinq fois plus grand que SK, dont le début des opérations est prévu pour 2027, nous étendons ces recherches.
En nous appuyant sur des centaines de simulations de CCSNe, nous explorons le potentiel de HK pour étudier la discrimination entre les transformations de saveurs des neutrinos ainsi qu’entre les hiérarchies de masses lors de la détection d’une CCSN proche.
En outre, nous utilisons le DSNB pour sonder des modèles dans lesquels différentes proportion de CCSNe engendreraient des trous noirs, montrant que HK pourrait contraindre certains de ces scénarios en un peu plus d’une décennie.