fbpx ICARUS smentisce i neutrini di OPERA | Scienza in rete

ICARUS smentisce i neutrini di OPERA

Primary tabs

Read time: 2 mins

L’esperimento ICARUS, ideato dal prof. Carlo Rubbia, situato nel laboratorio INFN del Gran Sasso, ha annunciato nella notte tra giovedi’ e venerdi’ scorsi di aver misurato la velocita’  dei neutrini. ICARUS si e’ avvalso del fascio “a pacchetti”  predisposto dal CERN di Ginevra nel novembre scorso  proprio per poter effettuare tale misura di velocita’ con grande precisione. Utilizzando 7 eventi, ICARUS ha appurato che i neutrini viaggiano a velocita’ leggermente inferiore a quella della luce, in pieno accordo con la teoria della Relativita’ di Einstein. Quindi, dopo che l’esperimento OPERA stesso aveva riscontrato che possibili anomalie strumentali potevano essere alla radice del sorprendente risultato dello scorso settembre, oggi ICARUS ancor piu’ avvalora la tesi che i neutrini, come ogni altra particella finora osservata, rispettano pienamente il postulato fondamentale della Relativita’. La velocita’ della luce non puo’ essere superata in Natura. Accanto agli esperimenti OPERA e ICARUS, anche altri due esperimenti operanti al Gran Sasso, Borexino e LVD, stanno per arrivare a fornire nuove indipendenti misure della velocita’ del neutrino.

E’ notevole che in uno stesso laboratorio, come quello del Gran Sasso, sia concentrata una tale elevata potenzialita’ sperimentale per cui, dopo pochi mesi, ben quattro esperimenti  sono in grado di verificare con grande accuratezza quanto OPERA aveva clamorosamente annunciato a settembre. E’ altresi’ significativo rimarcare che nessuno dei quattro esperimenti in questione era stato originariamente proposto per la misura della velocita’ dei neutrini. Questo e’ vero, in particolare, per i due esperimenti OPERA e ICARUS che erano stati ideati per osservare il fenomeno di “oscillazione”  dei neutrini che partono dal CERN durante il loro viaggio al Gran Sasso. In Natura esistono tre tipi o famiglie di neutrini, chiamati neutrino elettronico, muonico e tauonico. I neutrini emessi dal CERN sono del tipo muonico; durante il tragitto CERN – Gran Sasso qualcuno di questi puo’ oscillare, cioe’ avere una metamorfosi, in un neutrino di tipo diverso. Finora OPERA ha osservato un evento ascrivibile ad un’oscillazione da neutrino muonico a neutrino di tipo tau.  Se confermata, questa costituirebbe la prima evidenza diretta di “comparsa” di un nuovo tipo di neutrino derivante dal fenomeno di oscillazione. 


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

Perché le reti neurali hanno vinto i Nobel per la fisica e la chimica?

Quest'anno l'Intelligenza Artificiale ha fatto la parte del leone nei Nobel per la fisica e la chimica. Meglio sarebbe dire machine learning e reti neurali, grazie al cui sviluppo si devono sistemi che vanno dal riconoscimento di immagini alla IA generativa come Chat-GPT. In questo articolo Chiara Sabelli racconta la storia della ricerca che ha portato il fisico e biologo John J. Hopfield e l'informatico e neuroscienzato Geoffrey Hinton a porre le basi dell'attuale machine learning.

Immagine modificata a partire dall'articolo "Biohybrid and Bioinspired Magnetic Microswimmers" https://onlinelibrary.wiley.com/doi/epdf/10.1002/smll.201704374

Il premio Nobel per la fisica 2024 è stato assegnato a John J. Hopfield, fisico e biologo statunitense dell’università di Princeton, e a Geoffrey Hinton, informatico e neuroscienziato britannico dell’Università di Toronto per aver sfruttato strumenti della fisica statistica nello sviluppo dei metodi alla base delle potenti tecnologie di machine learning di oggi.