IceCube generace 2 je projekt na vybudování 10 kubických kilometrů neutrino dalekohledu na jižním pólu. V roce 2010 byl dokončen detektor o krychlovém kilometru s názvem IceCube. Neutrinové dalekohledy jsou dalším druhem dalekohledů, které se dají podél dalekohledů pro viditelné světlo, rentgenové paprsky, infračervené, ultrafialové, mikrovlnné, rádiové, gama a gravitační vlny.
Mohou hledět hluboko do vesmíru pro zdroje kosmických paprsků a studovat supernovy a mohou odhalit strukturu uvnitř Země.
Existuje mnoho podvodních neutrinových detektorů, podvodních a podzemních detektorů.
Podvodní neutrinové dalekohledy:
Baikal Deep Underwater Neutrino Telescope (1993 on)
ANTARES (2006)
KM3NeT (budoucí dalekohled; ve výstavbě od roku 2013)
Projekt NESTOR (vyvíjí se od roku 1998)
Dalekohledy pod ledem neutrino:
AMANDA (1996–2009, nahrazená IceCube)
IceCube (od roku 2004)
DeepCore a PINGU, stávající rozšíření a navrhované rozšíření IceCube
Podzemní observatoře neutrin:
Gran Sasso National Laboratories (LNGS), Itálie, pozemek Borexino, CUORE a další experimenty.
Soudan Mine, domov Soudan 2, MINOS a CDMS
Observatoř Kamioka, Japonsko
Podzemní observatoř Neutrino, Mont Blanc, Francie / Itálie
Hluboký mořský neutrinový dalekohled KM3NeT příští generace bude mít celkový instrumentovaný objem asi pět kubických kilometrů a detektor IceCube Gen2 bude deset kubických kilometrů. Tyto dva přinesou mnohem větší citlivost na detekci neutrin. Budou třikrát až desetkrát schopnější než nejlepší existující detektory. Detektor KM3NeT bude postaven na třech místech instalace ve Středomoří. Realizace první fáze dalekohledu začala v roce 2013.
Více detektorů je potřeba k triangulaci na neutrinové zdroje ve vesmíru a pro analýzu hlubokého vnitřku Země.
Neutrinová tomografie Země
Neutrinové detektory provedly přesná měření hmotnosti a hustoty Země. Země interaguje s neutriny. Rozdíly v distribuci neutrin, které procházejí Zemí, mohou být použity k analýze hustoty a vytvoření 3D modelu vnitřního jádra a pláště. Neutrinové detektory se zlepšenou citlivostí a mnoho let sběru dat umožní výrazně vylepšené modelování.
Brian Wang z Nextbigfuture.com
