Inhaltszusammenfassung:
Zahlreiche astrophysikalische Beobachtungen legen nahe, dass der größte Teil der Materie im Universum in Form von Dunkler Materie vorliegt. Die zugrunde liegende Natur dieser Dunklen Materie bleibt jedoch eines der bedeutenden ungelösten Rätsel der Physik unserer Zeit. Eine Hypothese ist die Existenz schwach wechselwirkender, massiver Teilchen (WIMPs, weakly interacting massive particles). Das CRESST-Experiment zielt auf den Nachweis solcher Teilchen ab. Es setzt Tieftemperaturdetektoren ein um nach Kernrückstößen zu suchen, die durch elastische Streuung dieser Dunkle-Materie-Teilchen an den Atomkernen, aus denen der Detektor besteht, hervorgerufen werden. Diese Detektoren sind in der Lage sehr niedrige Rückstoßenergien nachzuweisen ( 1 keV). Dadurch sind sie besonders geeignet um nach leichten Dunkle-Materie-Teilchen zu suchen ( 5 GeV/c 2 ), die für andere Experimente mit höheren Energieschwellen nicht nachweisbar sind.
Im Rahmen dieser Arbeit werden Daten analysiert, die zwischen Juli 2013 und August 2015 vom CRESST-Experiment aufgezeichnet wurden. Der Schwerpunkt hierbei liegt insbesondere auf leichten Dunkle-Materie-Teilchen. Dies bedarf neuartiger Methoden Untergrundereignisse bei niedrigen Energien zu entfernen. Eine solche Methode, die Untergrundereignisse aufgrund ihrer Pulsform mittels Techniken des Maschinellen Lernens identifiziert, wird vorgeführt. Als Ergebnis konnten Obergrenzen für den spin-unabhängigen Wirkungsquerschnitt von Dunkler Materie mit Nukleonen ermittelt werden, die den Parameterbereich, der von direkten Suchen nach Dunkler Materie abgedeckt wird, auf Massen unterhalb 1 GeV/c 2 erweitern. Zusätzlich konnten Modelle Asymmetrischer Dunkler Materie mit impulsabhängigen Kopplungen eingegrenzt werden. Abschließend wird der Einfluss verschiedener Detektorparameter auf die Sen-
sitivität künftiger Erweiterungen des CRESST-Experiments untersucht.
Abstract:
There is plenty of evidence from various astrophysical observations suggesting that most of the matter in the universe comes in the form of dark matter. Yet the underlying nature of this dark matter remains one of the important unsolved puzzles in physics today. One hypothesis is the existence of weakly interacting massive particles (WIMPs). The CRESST experiment aims at the detection of such particles. It employs cryogenic particle detectors to search for nuclear recoils induced by the elastic scattering of those dark matter particles off the nuclei composing the detectors. These detectors are able to detect very low recoil energies ( 1 keV), which makes them especially suited to search for light dark matter particles ( 5 GeV/c 2 ) not accessible to other experiments with higher energy thresholds.
In this work, data taken with the CRESST experiment between July 2013 and August 2015 are analyzed, focusing in particular on light dark matter particles. This requires novel methods to reject backgrounds at low energies. One such method which identifies background events based on their pulse shape using machine learning techniques is presented. As a result, limits could be set on the spin-independent dark matter-nucleon cross section extending the parameter space covered by direct detection searches to masses below 1 GeV/c 2 . Additionally, momentum-dependent asymmetric dark matter models could be constrained. Finally, the influence of various detector parameters on the sensitivity of future upgrades to the CRESST experiment is investigated.