fbpx Lo scherzetto di BaBar | Page 8 | Scienza in rete

Lo scherzetto di BaBar

Primary tabs

Read time: 2 mins

L'analisi dei dati raccolti dall'esperimento BaBar mostrerebbe una possibile sbavatura nel modello standard: un particolare tipo di decadimento di una particella si verificherebbe più spesso di quanto previsto dalla teoria.

BaBar è una tra le più importanti collaborazioni internazionali che si occupano di fisica delle particelle (coinvolge circa 500 fisici teorici) e il suo nome, che chiama in causa l'elefantino caro ai bambini, deriva dal nome del mesone B e di quello della sua antiparticella (detta in gergo B-bar). L'esperimento, situato presso lo SLAC National Accelerator Laboratory e coordinato dalla Stanford University, ha raccolto i dati di collisioni ad alta energia tra particelle subatomiche dal 1999 al 2008 e l'analisi dei dati continua tuttora.

L'ultimo risultato in ordine di tempo è quello presentato alla conferenza internazionale di fisica teorica tenutasi a Hefei, in Cina, e proposto per la pubblicazione su Physical Review Letters. Da questa analisi emergerebbe che un particolare tipo di decadimento del mesone B-bar in un mesone D, un antineutrino e un leptone tau (in gergo: B to D-star-tau-nu decay) avverrebbe con più frequenza di quanto previsto dal modello standard.

Benché i dati che fanno da base allo studio siano molto più sensibili di quelli utilizzati in precedenti studi sullo stesso decadimento, non sono ritenuti ancora sufficienti per annunciare una falla nel modello standard. Secondo i ricercatori, bastano comunque a sottolineare che non tutto fila liscio in quel modello. “Se tale eccesso venisse confermato – ha sottolineato Abner Soffer (Tel Aviv University), coordinatore di BaBar – sarà davvero eccitante immaginare cosa ne potrà derivare.

Per approfondimenti: STFC - SLAC - Research paper (arXiv)

Autori: 
Sezioni: 
Indice: 
Fisica

prossimo articolo

La medicina di precisione non può fare a meno degli small data

I big data promettono di rivoluzionare la medicina, ma rischiano di nascondere più di quanto rivelino quando si tratta di curare il singolo paziente. Lorenzo Farina argomenta che gli small data - i dati «piccoli» abbastanza da essere compresi direttamente dal clinico - non sono un residuo del passato ma un elemento irrinunciabile della medicina di precisione. La vera sfida non è scegliere tra i due paradigmi, ma abbandonare l'approccio data-driven e tornare a ragionare per domande: prima la questione clinica, poi i dati necessari a rispondervi.

Gli small data sono definiti come quei dati di dimensione abbastanza «piccola» da poter essere immediatamente compresi da un essere umano, non tanto nella loro interpretazione che ovviamente ha sempre e necessariamente bisogno della analisi, ma nel loro significato biologico generale. Tipicamente, sono il risultato di esperimenti di laboratorio che non utilizzano macchine per l'analisi dei dati omici, bensì altre biotecnologie in grado di misurare relativamente «pochi» dati per provare a rispondere alla domanda che interessa.