Sie finden hier Informationen über die Tätigkeit der Arbeitsgruppe in Forschung und Lehre.

Unter der Leitung von Prof. Dr. Dr. Rhode und PD Dr. Dominik Elsässer arbeiten wir an einem weiten Feld unterschiedlicher Fragestellungen.

Botenteilchen (Neutrinos, Gammas, Elektronen und geladene Atomkerne) von astrophysikalischen Quellen (Sterne, Galaxien und andere) erreichen die Erde in einem Energiebereich, der sich über viele Größenordnungen erstreckt. Mit optischen und radioastronomischen Beobachtungen können diese Objekte mit hoher Auflösung beobachtet werden. Die Botenteilchen werden von sehr unterschiedlichen Typen von Teleskopen und Detektoren an verschiedenen Orten auf der Erde nachgewiesen. Wir sind an verschiedenen Gamma-Teleskopen (CTA/LST, MAGIC, FACT) sowie dem Neutrinoteleskop IceCube beteiligt und haben im Rahmen des GLOW-Konsortiums Zugang zu Daten der Radioastronomie.

Unser astrophysikalischer Schwerpunkt liegt in der genauen Beschreibung der Richtungs- und Energieabhängigkeit der Flüsse der Botenteilchen, um schließlich möglichst viele Informationen über einzelne Quellen zusammenzutragen und so eine Antwort auf die Frage nach den Ursprüngen der kosmischen Strahlung zu finden (Multimessenger-Astronomie).

Um testen zu können, ob unsere Messungen mit bestimmten Vorstellungen über die Quellen übereinstimmen, müssen wir phänomenologische Modelle der Quellen in der Theorie berechnen. 

Von den Experimenten, an denen wir beteiligt sind, werden sehr große Datenmengen aufgezeichnet, von denen aber nur ein kleiner Teil physikalisch interessant ist. Der unerwünschte Untergrund ist oft um viele Größenordnungen häufiger als das Signal. Viele interessante Signaturen sind dabei so selten, dass die Detektoren mit sehr großen sensitiven Volumina konzipiert werden. Entsprechend dünn mit Sensoren besetzt sind diese Detektoren. Auch deshalb sind die Identifizierung, die Richtungsbestimmung und die Energierekonstruktion der Botenteilchen hochkomplexe Aufgaben für die Datenanalyse. Wir haben daher in enger Kooperation mit der Informatik und Statistik für zwölf Jahre im Sonderforschungsbereich 876 „Datenanalyse unter Ressourcenbeschränkung“ führende Methoden des Maschinellen Lernens und der Künstlichen Intelligenz entwickelt und führen diese Arbeit in Kooperation mit dem LAMARR-Institut weiter. 

Um die Methoden des Maschinellen Lernens trainieren zu können, benötigt man hochpräzise Simulationsprogramme, die in möglichst kurzer Zeit möglichst viele realistische Beispiele für Messungen berechnen können. Daher beschäftigen wir uns mit der Erstellung und Optimierung von Monte-Carlo-Algorithmen.

Sowohl für die Simulation als auch für die Datenanalyse werden erhebliche Ressourcen, z. B. in CPU-Zeit, Speicher, Datentransferraten und Energie, benötigt. Wir arbeiten daran, diese Ressourcen durch den Einsatz der Methoden des Maschinellen Lernens zu minimieren, und bei vielen Anwendungen sind uns hier als Beitrag zum Green Computing erhebliche Reduktionen gelungen.

Die Präzision dieser Simulationen hängt natürlich auch von der Genauigkeit ab, mit der teilchenphysikalische Wechselwirkungen in der Theorie berechnet werden. Daher arbeiten wir sowohl an der Verbesserung relevanter Berechnungen von Wirkungsquerschnitten als auch an der Messung von Teilchenwechselwirkungen bei Energien und kinematischen Bedingungen, die in Beschleunigerexperimenten nicht erreicht werden können.