Wolfgang Rhode im Interview über IceCube und maschinelles Lernen

Prof. Dr. Dr. Wolfgang Rhode war zu Gast bei der Plattform „Lernende Systeme: Die Plattform für künstliche Intelligenz“ und hat dort über das IceCube-Neutrinoobservatorium, seinen Aufbau im antarktischen Eis und die Rolle maschinellen Lernens bei der Datenauswertung gesprochen.

Das IceCube-Experiment ist eines der größten Experimente der Astroteilchenphysik und befindet sich tief im antarktischen Eis. Dort misst der Detektor hochenergetische Neutrinos, also nahezu masselose Elementarteilchen, die nur sehr selten mit Materie wechselwirken und deshalb große Entfernungen im Universum zurücklegen können, ohne stark abgelenkt oder absorbiert zu werden. Ihre Messung kann Hinweise darauf geben, in welchen astrophysikalischen Objekten sie entstanden sind.

Um IceCube zu bauen, wurden bis zu rund 2,5 Kilometer tiefe Löcher in das antarktische Eis geschmolzen, in die lange Kabel mit etwa basketballgroßen Lichtsensoren hinabgelassen wurden. Insgesamt umfasst der Detektor mehr als 80 solcher Bohrlöcher, in denen Tausende Sensoren installiert wurden. Tief unter der Oberfläche ist das Eis vollkommen dunkel, wodurch ideale Bedingungen entstehen, um die schwachen Lichtsignale zu messen, die bei Wechselwirkungen von Neutrinos im Eis oder im darunterliegenden Gestein erzeugt werden.

Eine zentrale Frage, der IceCube nachgeht, ist der Ursprung der kosmischen Strahlung, die vor mehr als 100 Jahren entdeckt wurde. Bis heute ist nicht vollständig geklärt, wo und durch welche astrophysikalischen Prozesse die hochenergetischen Teilchen der kosmischen Strahlung erzeugt und beschleunigt werden. Neutrinos können dabei wichtige Hinweise liefern, wenn sie möglichen Quellen wie aktiven Galaxienkernen zugeordnet werden können und so Rückschlüsse auf die physikalischen Bedingungen in diesen Objekten ermöglichen.

Rhode trägt seit 37 Jahren zur Forschung rund um IceCube bei. Während in den Anfangsjahren noch vergleichsweise einfache Modelle zur Datenauswertung eingesetzt wurden, kommen heute Methoden des maschinellen Lernens zum Einsatz. Sie helfen dabei, die komplexen Messdaten auszuwerten und astrophysikalisch interessante Signale zuverlässig von einer riesigen Zahl störender Untergrundereignisse zu unterscheiden. Dabei kommen auf ein relevantes Signal etwa 10⁸ Untergrundereignisse. Die als relevant eingestuften Ereignisse werden anschließend genauer analysiert. Dabei rekonstruieren Forschende unter anderem die Energie und die Ursprungsrichtung des detektierten Teilchens und bestimmen, um welche Teilchenart es sich handelt.

Anfang 2026 wurden neue Sensoren im Eis verbaut, um den Messbereich von IceCube zu noch höheren Energien zu erweitern. Gerade bei diesen Energien sind die gesuchten Ereignisse besonders selten, weshalb ein größeres Detektorvolumen erforderlich ist.

Der Beitrag ist Teil der Arbeit der Plattform Lernende Systeme, die Menschen aus Wissenschaft, Wirtschaft und Gesellschaft zusammenbringt, um über den verantwortungsvollen Einsatz lernender Systeme zu informieren und den Austausch darüber zu fördern. Sie wurde 2017 vom Bundesministerium für Bildung und Forschung und acatech gegründet. Expertinnen und Experten tauschen sich darüber aus, welche Chancen solche Systeme bieten und welche Herausforderungen damit verbunden sind. Ziel ist es, verständlich zu erklären, welche Rolle lernende Systeme im Alltag, in der Forschung und in der Wirtschaft spielen können, und zugleich Orientierung für einen verantwortungsvollen Umgang mit ihnen zu geben.

Wir bedanken uns bei der Plattform Lernende Systeme für die Möglichkeit, Einblicke in die Forschung rund um IceCube und den Einsatz maschinellen Lernens in der Astroteilchenphysik zu geben.