Lehramtsarbei­ten

Im Netzwerk Teilchenwelt wurde umfangreiches Unterrichtsmaterial zur Teilchenphysik erstellt. Die Erkenntnisse des Standardmodells werden darin mithilfe des Konzepts von Ladungen und Wechselwirkungen beschrieben. Dieser Ansatz, der sich in der populärwissenschaftlichen Literatur und in Schulbüchern bislang kaum widerspiegelt, soll durch geeignete Arbeitsblätter ergänzt werden.

Diese Arbeit soll in Kooperation mit der Didaktik der Physik erstellt werden.

Kontakt:

Bachelorarbeit, Wissenschaftliche Studien, Masterarbeit, Staatsexamensarbeit in Experimenteller Teilchenphysik

• Multivariate Analyse, Machine Learning und Künstliche Intelligenz
• Optimieren der Datenanalyse zur Teilchensuche und Teilchenrekonstruktion
• Anwendung und Weiterentwicklung von Analyse-Software zur statistischen Datenauswertung

Eine der Forschungsaktivitäten der ATLAS-Gruppe des Instituts für Kern- und Teilchenphysik ist die Suche nach Higgs-Bosonen in Erweiterungen des Standardmodells am Large Hadron Collider (LHC). Für diese Teilchensuche steht ein neuer Rekorddatensatz von insgesamt 200 fb^-1 zur Verfügung, der ausgewertet werden soll. Weitere Daten zeichnet der ATLAS-Detektor derzeit auf.

Beim Zerfall von Higgs-Bosonen jenseits des Standardmodells treten häufig Tau-Leptonen im Endzustand auf. Die Suche nach Signalereignissen, die Unterdrückung des Untergrundes und die Erkennung von hadronisch zerfallenden Tau-Leptonen werden laufend optimiert. Dabei kommen Methoden des Machine Learning und statistische Datenauswertung zum Einsatz.

Die Schwerpunkte der Bachelor- oder Masterarbeit können individuell festgelegt werden. Aktuelle Fragestellungen sind die Rekonstruktion der Masse der zerfallenden Higgs-Bosonen, die Optimierung der Rekonstruktion von Tau-Zerfällen aus Teilchenspuren und die Verbesserung der Ereignisselektion für die Suche nach leichten oder schweren Higgs-Bosonen.

In dem Forschungsprojekt erlernen Sie software-gestützte Methoden der Datenanalyse und Statistik, den Einsatz von Machine-Learning-Tools, sowie die Funktionsweise moderner Teilchendetektoren.

Voraussetzung für die Arbeit sind Kenntnisse der Grundlagen der Teilchenphysik. Gute Kenntnisse in einer objektorientierten Programmiersprache sind empfehlenswert.

© CERN

Bachelorarbeit, Wissenschaftliches Arbeiten, Masterarbeit, Staatsexamensarbeit in Experimenteller Teilchenphysik

• Machine Learning und Künstliche Intelligenz
• Optimieren der Energiemessung des Kalorimeters
• Programmieren oder Simulation elektronischer Signalprozessoren
• Statistische Analyse von Messdaten

Die Flüssig-Argon-Kalorimeter des ATLAS-Detektors sollen in einer zukünftigen Ausbaustufe mit einer neuen Auslese-Elektronik ausgestattet werden. Dabei werden die Signale der Kalorimeter mit höherer Energie- und Ortsauflösung ausgelesen, so dass man die bei den pp-Kollisionen entstehenden Teilchen besser erkennen und rekonstruieren kann. Ziel ist z.B. die verbesserte Erkennung von weiteren Higgs-Bosonen, die mit dem ATLAS-Detektor gesucht werden.

Diese Teilchenerkennung muss in Echtzeit erfolgen und jede Entscheidung darf nicht länger als ca. 0,5 μs dauern. Daher werden modernste und schnelle, programmierbare FPGA-Schaltkreise zur Signalerkennung genutzt. Wir setzen dabei Deep-Learning und Methoden der künstlichen Intelligenz ein, um die Messungen zu optimieren.

In der Bachelor- oder Master-Arbeit soll die Energierekonstruktion der ATLAS-Kalorimeter mit Machine-Learning-Ansätzen weiter verbessert werden.

In dem Forschungsprojekt erlernen Sie den Einsatz von Machine-Learning-Tools (keras), universelle, software-gestützte Datenverarbeitung, sowie die grundlegenden Funktionsweisen moderner Teilchendetektoren und elektronischer Auslesesysteme.

Interessierte können auch die Hardware-Programmiersprache VDHL erlernen, welche wir zur Programmierung von FPGAs einsetzen.

Voraussetzung für die Arbeit sind Kenntnisse der Grundlagen der Teilchenphysik und Motivation, sich in die Methoden des Machine-Learning einzuarbeiten. Grundkenntnisse einer Programmiersprache sind von Vorteil.

© CERN

© IKTP