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:

• Schnelle Parameterschätzung von Gravitationswellen für das Einstein-Teleskop mittels neuronaler Likelihoods

  Zukünftige Gravitationswellenobservatorien der dritten Generation wie das Einstein Telescope werden um Größenordnungen mehr Verschmelzungen kompakter Binärsysteme detektieren als aktuelle Detektoren – möglicherweise 104–105 Ereignisse pro Jahr. Dieser drastische Anstieg der Detektionsrate stellt traditionelle bayesianische Methoden der Parameterschätzung (z. B. Nested Sampling oder MCMC, wie sie in Pipelines wie Bilby verwendet werden) vor erhebliche rechnerische Herausforderungen, da die Kosten der Likelihood-Auswertungen sowohl mit der Dauer der Wellenform als auch mit der Anzahl der benötigten Posterior-Samples skalieren. Für das Einstein-Teleskop können Signale über mehrere Stunden im empfindlichen Frequenzband des Detektors liegen, was die Rechenlast zusätzlich erhöht.

  Ein vielversprechender Ansatz besteht daher darin, komprimierte Repräsentationen von Gravitationswellensignalen mittels Autoencodern zu erlernen und die Parameterschätzung über neuronale Likelihood-Modelle durchzuführen. Dadurch wird eine deutlich schnellere approximative bayesianische Inferenz möglich, während gleichzeitig die astrophysikalische Genauigkeit erhalten bleibt. Diese Arbeit würde untersuchen, ob solche ML-basierten Inferenzmethoden die Posteriorverteilungen der Parameter kompakter Binärsysteme reproduzieren können, während sie gleichzeitig die Rechenkosten im Vergleich zu klassischen bayesianischen Pipelines erheblich reduzieren.

• Parameterkonditionierte autoregressive Wellenformmodellierung für das Einstein-Teleskop-Zeitalter

  Dieses Projekt konzentriert sich auf die Modellierung von Gravitationswellen-Wellenformen (Surrogatmodelle) für das Zeitalter des Einstein-Teleskops. Dazu wird ein bestehendes Sequenzmodell – beispielsweise ein tokenbasiertes GPT/Transformer-Modell – feinjustiert, sodass es als schneller Wellenform-Surrogatgenerator dient, der über einen breiten Parameterraum kompakter Binärsysteme hinweg präzise bleibt.

  Die zentrale Herausforderung für das Einstein-Teleskop besteht darin, dass lange, informationsreiche Signale und sehr hohe Signal-Rausch-Verhältnisse (SNR) hohe Anforderungen an die Genauigkeit der Wellenformen stellen. Das Training würde daher darauf ausgerichtet, die rauschgewichtete Überlappung (Match) zwischen generierten und Referenzwellenformen zu maximieren (z. B. durch Minimierung der Mismatch-Größe 1-O), während gleichzeitig die Abdeckung des Parameterraums m1,m2,χ1z,χ2z,… systematisch erweitert wird.

  Konkret umfasst das Projekt: (i) die Generierung eines Trainingsdatensatzes aus Referenzwellenformen, (ii) das Fine-Tuning des Modells zur Vorhersage von Wellenform-Fenstern bzw. Tokens konditioniert auf Quellenparameter (der vorhandene Code unterstützt bereits Konditionierung über θsowie tokenisierte Eingaben), und (iii) die Evaluierung von Faithfulness und Effectualness mittels Überlappungsmetriken auf einem zurückgehaltenen Parametergrid, einschließlich einer Analyse der Bereiche, in denen das Modell versagt und warum.

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.

• 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