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 Prof. Alexander Kappes (E-Mail), IKP Raum 224. Für Themen rund um das Einstein-Teleskiop können Sie auch Dr. Waleed Esmail (E-Mail), IKP Raum 115 kontaktieren.

Aktuelle Themen für Bachelorarbeiten:

• Gravitationswellenerzeugung für das Einstein-Teleskop mit CBS-GPT: Das Einstein-Teleskop (ET), ein Gravitationswellen-Observatorium der nächsten Generation, wird die Grenzen der GW-Detektion erweitern und Signale von umeinander kreisenden kompakten Objekten mit extremem Massenverhältnis, hochexzentrischen Doppelsternen und anderen anspruchsvollen astrophysikalischen Systemen auffangen. Die genaue und effiziente Erzeugung von Wellenformen ist ein Eckpfeiler der Gravitationswellendatenanalyse.Sie ist von entscheidender Bedeutung für den Signalnachweis, die Parameterschätzung und die Multi-Messenger-Astronomie, bei der GW oft mit elektromagnetischen oder Neutrino-Gegensignalen korreliert sind. Herkömmliche numerische Methoden zur Erzeugung von Wellenformen sind rechenintensiv, insbesondere bei Systemen mit extremen Parametern oder langen Inspirationen.Diese Herausforderungen werden bei ET durch die Empfindlichkeit gegenüber niederfrequenten Signalen und die Komplexität der Rauscheigenschaften noch verstärkt. Dieses Projekt zielt darauf ab, den CBS-GPT-Rahmen zu nutzen (Compact Binary Systems  Waveform Generation with Generative Pre-trained Transformer), ein generatives Modell auf dem neuesten Stand der Technik, zu nutzen, um effizient GW-Wellenformen zu erzeugen, die auf die ET zugeschnitten sind. Durch den Einsatz von CBS-GPT wird dieses Projekt eine skalierbare Lösung für die riesigen Parameterräume ermöglichen, die bei der Beobachtung von ETs erwartet werden.

  [1] Ruijun Shi, et al., Compact binary systems waveform generation with a generative pretrained transformer, Phys. Rev. D 109, 084017, 2024
  [2] Tianyu Zhao, et al., GWAI: Artificial intelligence platform for enhanced gravitational wave data analysis, SoftwareX, Volume 28, 101930, 2024

• Schnelle Himmelslokalisierung von Gravitationswellen durch Modellquantisierung: Dieses Projekt zielt auf die Entwicklung und Implementierung eines Deep-Learning-Modells für die schnelle Lokalisierung von Gravitationswellen (GW)-Ereignissen. Eine genaue und schnelle Lokalisierung ist entscheidend für rechtzeitige elektromagnetische (EM) Folgebeobachtungen in der Multi Messenger-Astronomie.Herkömmliche Bayes'sche Inferenzmethoden sind zwar präzise, aber rechenintensiv und langsam und benötigen oft Sekunden bis Tage, um Lokalisierungskarten zu erstellen. Im Gegensatz dazu haben Deep-Learning-Ansätze das Potenzial bewiesen, innerhalb von Millisekunden bis Sekunden genaue Rückschlüsse auf die Himmelslokalisierung zu ziehen, was die Reaktionsfähigkeit von Nachbeobachtungsstrategien erheblich verbessert. Die wichtigste Neuerung ist die Anwendung der Modellquantisierung Quantisierung zur Optimierung des Modells für Echtzeit-Inferenzen. Das Projekt zielt darauf ab, ein neuronales Netz zu trainieren, um GW-Belastungsdaten zu verarbeiten und die wahrscheinliche Himmelslokalisierung des GW-Ereignisses vorherzusagen, wobei die Modellquantisierung die Berechnungszeit und den Speicherbedarf reduziert.

  [1] Alex Kolmus, et al., Fast sky localization of gravitational waves using deep learning seeded importance sampling, Phys. Rev. D 106, 023032, 2022

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.

• Multi-Messenger-Beobachtungen von Kernkollaps-Supernovae mit dem Einstein-Teleskop und IceCube-Gen2: Kernkollaps-Supernovae (CCSNe) gehören zu den energiereichsten astrophysikalischen Phänomenen, die Gravitationswellen (GW), Neutrinos und elektromagnetische Signale erzeugen. Diese Ereignisse bieten eine einzigartige Gelegenheit für Multi-Messenger-Astrophysik, die Einblicke in die Physik des Sternkollapses und die Entstehung von Neutronensternen oder Schwarzen Löchern ermöglicht. Dieses Masterprojekt zielt darauf ab, eine Machbarkeitsstudie durchzuführen, die simulierte Daten von ET und IceCube-Gen2 für Multi-Messenger-Analysen von CCSNe einbezieht. Der Nachweis von CCSNe mit aktuellen Observatorien wie Advanced LIGO (aLIGO) und IceCube ist eine Herausforderung, vor allem aufgrund der begrenzten Empfindlichkeit und Nachweisverfahren. Die noch nie dagewesene Empfindlichkeit von ET, insbesondere im Niederfrequenzbereich, wird den GW-Nachweishorizont für CCSNe um eine Größenordnung erweitern. Darüber hinaus wird die Integration von optischen Multi-PMT-Modulen (mDOMs) in IceCube-Gen2 die Empfindlichkeit für Neutrinos im MeV-Bereich erhöhen, so dass einzelne Ereignisse nachgewiesen und rekonstruiert werden können. Ziel des Projekts ist die Entwicklung von Methoden zur Korrelation von Gravitationswellensignalen aus dem ET mit niederenergetischen Neutrinoausbrüchen aus IceCube-Gen2, wobei der Schwerpunkt auf der Verbesserung der Nachweis- und Korrelationsgenauigkeit liegt.

  [1] Timo Peter Butz, Study On The Detection Of Gravitational Waves From Core-Collapse Supernovae With The Einstein Telescope, Master thesis RWTH Aachen, 2024
  [2] Jade Powell, et al., Determining the core-collapse supernova explosion mechanism with current and future gravitational-wave observatories, Phys. Rev. D 109, 063019, 2024