fbpx NOνA, il nuovo esperimento per neutrini al Fermilab | Science in the net

NOνA, il nuovo esperimento per neutrini al Fermilab

Primary tabs

Read time: 3 mins

Dopo cinque anni di lavoro si è ufficialmente conclusa la costruzione di uno dei più grandi esperimenti di neutrini al mondo. Si chiama NOνA e si trova al Fermi National Accelerator Laboratory (Fermilab), nei pressi di Chicago.
È costituito da due enormi rivelatori che analizzeranno con estrema precisione il comportamento di queste particelle affascinanti e per molti versi ancora misteriose. «La ricerca sui neutrini è una delle pietre angolari del futuro di Fermilab, nonché un settore importante nella fisica delle particelle a livello internazionale», dichiara Nigel Lockyer, che dirige il laboratorio americano.

Predetti da Wolfgang Pauli nel 1930 e osservati per la prima volta nel 1953, i neutrini sono le più sfuggenti tra le particelle elementari oggi conosciute. Non possiedono carica elettrica e hanno una massa incredibilmente bassa: queste caratteristiche fanno sì che interagiscono pochissimo con la materia ordinaria, risultando molto difficili da rivelare. A oggi sappiamo che ne esistono di tre tipi (in gergo “sapori”): neutrino elettronico, neutrino μ (“mu”) e neutrino τ (“tau”). Sappiamo anche che il sapore di un neutrino cambia continuamente nel tempo: è quella che i fisici chiamano “oscillazione di sapore”.

L’esperimento NOνA studierà proprio questo fenomeno, sfruttando due titanici rilevatori. Il primo rivelatore, che pesa 300 tonnellate, si trova lì e analizzerà i neutrini “appena nati”. Il secondo pesa ben 14.000 tonnellate ed è nel Minnesota, a 800 km di distanza. Viaggiando indisturbati nel sottosuolo, i neutrini copriranno questo spazio in appena 3 millesimi di secondo: quanto basta per poter osservare le oscillazioni di sapore e studiarle nel dettaglio.

I rivelatori sono enormi strutture in PVC (il più pesante è alto 65 metri!), riempite con un liquido particolare che emette un flash luminoso ogni volta che interagisce con un neutrino. Le particelle saranno prodotte al ritmo di decine di migliaia al giorno, ma soltanto una piccola parte sarà in grado di “accendere il flash”. La luce così prodotta verrà catturata da fibre ottiche che la manderanno a un sistema di acquisizione dati in grado di ricostruire una mappa 3D delle interazioni. Confrontando i dati dei due rivelatori si potranno analizzare con precisione le oscillazioni dei neutrini. Il sistema è ottimizzato per rilevare in particolare l’oscillazione tra neutrino μ e neutrino elettronico, che finora non è mai stata osservata né natura né in laboratorio.

Per quale motivo studiare i neutrini è così importante? Perché queste elusive particelle possono nascondere la chiave per capire come mai nel cosmo c’è qualcosa oltre alla luce. Se nell’universo primordiale si fosse formata tanta materia quanta antimateria, il tutto si sarebbe annichilito dando luogo a un vasto mare di fotoni e niente più: l’universo avrebbe al suo interno solo radiazione e sarebbe un posto tutt’altro che interessante. Eppure esistono galassie, stelle, pianeti, forme di vita: significa che all’inizio doveva esserci più materia che antimateria, e ciò che vediamo è costituito da particelle “superstiti”.
Ma a cosa è dovuta questa asimmetria? Perché all’inizio del tempo è nata più materia che antimateria? Non lo sappiamo ancora, ma NOνA potrebbe aiutarci far luce sulla questione. Se l’oscillazione dei neutrini si comporta diversamente da quella degli antineutrini (l’«antimateria» dei neutrini) potremmo avere informazioni sull’asimmetria materia-antimateria nell’universo primordiale. In ultima analisi, ci aiuterebbe a capire perché esistiamo.

NOνA vuole anche scoprire quale sapore di neutrino pesa più e quale meno. Non è soltanto curiosità: la gerarchia di massa dei vari sapori è cruciale per comprendere meglio la natura dei neutrini, a oggi non del tutto compresa. Ci sono varie teorie in competizione, e i dati di NOνA potrebbero fare chiarezza su quali funzionano meglio. In particolare ci aiuterebbe a capire se i neutrini prendono la loro massa dal meccanismo di Higgs, come tutte le altre particelle elementari, oppure no. Questo aprirebbe nuove e importanti finestre su tutta la fisica teorica.
«Siamo fieri del gruppo di NOνA per aver completato la costruzione di questo esperimento di prim’ordine – conclude Lockyer – e non vediamo l’ora di vedere i primi risultati nel 2015.»


Scienza in rete è un giornale senza pubblicità e aperto a tutti per garantire l’indipendenza dell’informazione e il diritto universale alla cittadinanza scientifica. Contribuisci a dar voce alla ricerca sostenendo Scienza in rete. In questo modo, potrai entrare a far parte della nostra comunità e condividere il nostro percorso. Clicca sul pulsante e scegli liberamente quanto donare! Anche una piccola somma è importante. Se vuoi fare una donazione ricorrente, ci consenti di programmare meglio il nostro lavoro e resti comunque libero di interromperla quando credi.


prossimo articolo

Why have neural networks won the Nobel Prizes in Physics and Chemistry?

This year, Artificial Intelligence played a leading role in the Nobel Prizes for Physics and Chemistry. More specifically, it would be better to say machine learning and neural networks, thanks to whose development we now have systems ranging from image recognition to generative AI like Chat-GPT. In this article, Chiara Sabelli tells the story of the research that led physicist and biologist John J. Hopfield and computer scientist and neuroscientist Geoffrey Hinton to lay the foundations of current machine learning.

Image modified from the article "Biohybrid and Bioinspired Magnetic Microswimmers" https://onlinelibrary.wiley.com/doi/epdf/10.1002/smll.201704374

The 2024 Nobel Prize in Physics was awarded to John J. Hopfield, an American physicist and biologist from Princeton University, and to Geoffrey Hinton, a British computer scientist and neuroscientist from the University of Toronto, for utilizing tools from statistical physics in the development of methods underlying today's powerful machine learning technologies.