Themen für Abschlussarbeiten

Abschlussarbeiten sind bei uns zu jeder Zeit in den Bereichen Hardware, Simulation und Analyse möglich. Einige aktuelle Themen sind beispielhaft im folgenden aufgelistet. Für weitere Information und weitere Themen für Abschlussarbeiten kontaktieren Sie bitte Alexander Kappes (E-Mail), IKP Raum 224. 

Aktuelle Themen für Bachelorarbeiten:

  • Sensorsimulation mit maschinellem Lernen: Die Segmentation der photosensitiven Fläche der neuen Generation von Sensoren für zukünftige Erweiterungen des IceCube Neutrinodetektors erfordert neue Wege zu deren effizienter Implementation in die Simulationsumgebung des Experiments. Eine vielversprechende Möglichkeit besteht in der Verwendung von neuronalen Netzen (NN). In dieser Bachelorarbeit wird ein existierende NN-Architektur mit Hilfe von  Ereignissen aus einer detaillierten aber langsamen Geant 4 Simulation des in Münster federführend entwickelten mDOM (multi-Photomultiplier Digital Module) Sensors trainiert und anschließend deren Performance im Vergleich zur Geant 4 Simulation charakterisiert.

  • Vermessung der inneren Reflexionen eines PMTs: Photomultiplier (PMTs) sind das das photosensitive Herzstück von Neutrinoteleskopen wie IceCube. Um diese möglichst genau simulieren zu können, sollen im Rahmen dieser Bachelorarbeit die optischen Eigenschaften der inneren Komponenten gemessen werden und mit älteren Messungen sowie Simulationen in Geant 4 verglichen werden.
     

Aktuelle Themen für Masterarbeiten:

  • Verbesserung der Supernova-Erkennung im IceCube Upgrade mit maschinellem Lernen: Neutrinos von Kernkollaps-Supernovae besitzen typischerweise Energien im Bereich von einigen zehn MeV, was ihre Erkennung mit den Standardrekonstruktionsmethoden von IceCube unmöglich macht. Derzeit erkennt IceCube potenzielle Supernova-Neutrinoausbrüche durch die Überwachung einer kollektiven Erhöhung der Raten über alle optischen Module hinweg. Die bevorstehende Integration von mDOMs im IceCube Upgrade verspricht einen vielversprechenden Wandel für die Erkennung dieser Ereignisse. Angesichts der Konfiguration von 24 Photomultipliers pro Modul können die niederenergetischen Neutrinoereignisse innerhalb sehr kurzer Zeit Treffer über mehrere Photomultiplier in einem einzelnen Modul erzeugen. Diese Masterarbeit wird maschinelles Lernen verwenden, um Supernova-Neutrinos effizient von Hintergrundgeräuschen zu unterscheiden, wobei der Schwerpunkt auf der Analyse von Treffermustern und Korrelationen über das Array von Photomultipliers und optischen Modulen liegt.
  • Untersuchung zur Performance der Real-Time Rekonstruktion in IceCube: IceCube besitzt eine umfangreiche Infrastruktur zur Benachrichtigung von anderen Experimenten in Echtzeit bei der Detektion von interessanten Ereignissen (Realtime-Alerts).  Diese Pipeplines sind auf Effizienz und Schnelligkeit optimiert und verwenden daher spezielle Rekonstruktionsalgorithmen. ZIel des Programms ist mit anderen Teleskopen einen elektromagnetischen Counterpart zu den Neutrinos zu finden. In dieser Masterarbeit soll die Leistung der verschiedenen Algorithmen untersucht, miteinander verglichen und schließlich verbessert werden. Zusätzlich soll untersucht werden, wie sich die Unsicherheit in der Richtungsrekonstruktion auf die Sensitivität für bestimmte Quellklassen auswirkt. Die Arbeit wird in enger Kooperation mit der IceCube-Gruppe in Bochum erfolgen inklusive Aufenthalte dort.
  • Vorhersage von seismischem Rauschen für das Einstein-Teleskop: Dieses Masterarbeitsprojekt zielt darauf ab, das Einstein-Teleskop (ET)-Projekt durch die Entwicklung von Algorithmen für maschinelles und tiefes Lernen zur Vorhersage von seismischem Rauschen zu verbessern, das für die Gravitationswellenanalyse entscheidend ist. Der Schwerpunkt liegt auf der Vorhersage des Eintreffens von seismischen Wellen: P-Wellen (primäre Wellen, die am schnellsten sind und sich durch Festkörper, Flüssigkeiten und Gase bewegen), S-Wellen (sekundäre Wellen, die langsamer sind und sich nur durch Festkörper bewegen) und Oberflächenwellen (die sich entlang der Erdoberfläche bewegen und die meisten Schäden bei Erdbeben verursachen). Der Kandidat wird auch die 3D-Echtzeitbewegung der Erde modellieren. Diese Forschungsarbeiten sind der Schlüssel zur Filterung seismischer Interferenzen in Gravitationswellendaten. Das Projekt zielt darauf ab, die Genauigkeit der Gravitationswellendetektion erheblich zu verbessern und einen Beitrag zur astrophysikalischen Forschung zu leisten.