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:

  • Messung von Niedrigladungsimpulsen von Photomultipliers: Ein PMT erzeugt nach der Erfassung eines Photons eine Ladung, die einem gaußähnlichen Muster folgt, bekannt als "SPE-Verteilung". Ein genaues Verständnis dieser Verteilung ist wichtig für eine genaue Datenrekonstruktion in IceCube. PMTs erzeugen häufig Niedrigladungsimpulse, die von dem typischen gaußschen Muster abweichen, doch diese Abweichung von der Hintergrundverteilung zu unterscheiden, bleibt eine Herausforderung. In dieser Bachelorarbeit wird der Bereich der niedrigen Ladung umfassend mit verschiedenen Messmethoden untersucht.

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.
  • Methodenoptimierung für die Bestimmung des Gains eines PMTs: Nach der Detektion eines Photons erzeugt ein PMT eine Ladung, die einem gaußähnlichen Profil folgt und als "SPE-Verteilung" bekannt ist. Für die Bestimmung des PMT-Gains wird diese Verteilung üblicherweise durch eine Summe von Gauß-Funktionen angepasst. Da die SPE-Verteilung jedoch nicht exakt einer Gauß-Funktion entspricht, führt diese Methode zu einem Bias in der Gain-Bestimmung. Diese Masterarbeit erforscht alternative Ansätze zur Gain-Bestimmung von PMTs, wobei sowohl analytische Methoden mittels Machine Learning als auch innovative Messverfahren berücksichtigt werden.
  • 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.