Bachelorarbeiten

Bachelorarbeiten zur Datenanalyse

Thema:Suchen nach dunkler Materie mit künstlicher Intelligenz
Zusammenfassung: In den letzten Jahren sind Methoden zur modelunabhängigen Suche mithilfe künstlicher Intelligenz immer mehr in den Fokus der Teilchenphysik gerückt. Als komplementäre Methode zu gezielten Suchen nach bestimmter Physik jenseits des Standardmodels, versprechen sie unter anderem neue Hinweise auf die Eigenschaften Dunkler Materie. Anomaly Detection ist dabei ein sog. unsupervised learning Ansatz, ungewöhnliche Ereignisse aus einer großen Menge von Untergrund zu extrahieren ohne deren genaue Eigenschaften im Vorraus zu kennen. Dabei kommen verschiedene statistische Methoden wie Density Estimation, Decision Trees oder (Deep) Neural Networks zum Einsatz. Im Rahmen der Bachelorarbeit soll eine dieser Methoden auf eine Suche nach Inelastischer Dunkler Materie bei Belle II angewendet werden und mit anderen, bereits implementierten Methoden verglichen werden.
Sie lernen kennen:Maschinelles Lernen, Python-Programmierung, unsupervised learning
Referent:Prof. Dr. Torben Ferber
Ansprechpartner:Jonas Eppelt
Letzte Änderung:23.01.2023
Thema:Suche nach Dunkler Materie mit schweren Quarks
Zusammenfassung: Die Entschlüsselung der Natur der Dunklen Materie (DM) ist eine der größten wissenschaftlichen Herausforderungen unserer Zeit. An Teilchenbeschleunigern kann DM in einer kontrollierten Laborumgebung produziert und untersucht werden. Wir führen eine Suche nach DM mit dem CMS-Experiment am Large Hadron Collider (CERN) durch, bei der Endzustände mit Top- und Bottom-Quarks und fehlender Energie untersucht werden. In Ihrer Bachelorarbeit können Sie sich an dieser Suche beteiligen.
Sie lernen kennen:Physik jenseits des SM, Top-Physik, Datenanalyse, C++- und Python-Programmierung, ROOT, Optimierung
Referent:Prof. Dr. Ulrich Husemann
Ansprechpartner:Dr. Michael Waßmer
Letzte Änderung:23.03.2022
Thema:Top+X-Produktion
Zusammenfassung:Eine genaue Vermessung der assoziierten Produktion von Z-Bosonen oder Bottom-Quarks mit Top-Quark-Antiquark-Paaren ist eine wichtige Methode, um unser Verständnis der Elementarteilchen genau zu prüfen und mögliche neue Effekte aufzudecken. Wir führen dazu aktuell Präzisionsmessungen mit dem CMS-Experiment am Large Hadron Collider (CERN) durch, wobei Monte-Carlo-Simulationen sowie Techniken des maschinellen Lernens eine zentrale Rolle spielen. Sie können mit einer Bachelorarbeit direkt zu diesen Messungen beitragen.
Sie lernen kennen:Top-Physik, Datenanalyse, Maschinelles Lernen, C++- und Python-Programmierung, ROOT
Referent:Prof. Dr. Ulrich Husemann
Ansprechpartner:Dr. Michael Waßmer
Letzte Änderung:23.03.2022
Thema:Maschinelles Lernen in der Teilchenphysik
Zusammenfassung:In der Teilchenphysik werden seit vielen Jahren multivariate Methoden eingesetzt. Mit neuartigen Methoden des maschinellen Lernens ergeben sich derzeit für die Teilchenphysik viele neue Möglichkeiten. Probieren Sie es in einer Bachelorarbeit selbst aus!
Sie lernen kennen:Maschinelles Lernen, Python-Programmierung
Referent:Prof. Dr. Ulrich Husemann
Ansprechpartner:Dr. Michael Waßmer
Letzte Änderung:23.03.2022
Thema:B-Tagging: Identifikation von Bottom-Quark-Jets mit modernen Algorithmen
Zusammenfassung: Top-Quarks zerfallen fast ausschliesslich unter Abstrahlung eines W-Bosons in ein Bottom-Quark und aufgrund der hohen Masse der Bottom-Quarks koppelt auch das Higgs-Boson bevorzugt an diese. Die möglichst gute Identifizierung von b-Jets, also Jets, die aus der Hadronisierung eines Bottom-Quarks entstehen, ist daher eine zentrale Voraussetzung für Physik-Analysen im Top-Quark- oder Higgs-Boson-Bereich. Moderne Algorithmen können solche Heavy-Flavor-Jets bereits auf Trigger-Level („Level 1“ (L1) und „High Level Trigger“ (HLT)) erkennen und somit die Auswahl der für Top- und Higgs-Physik interessanten Kollisionsereignisse signifikant verbessern. Genauso wichtig wie das Funktionieren dieser Algorithmen ist auch ihre Kalibration sowie das sehr genaue Verständnis ihrer Performanz, um eventuelle systematische Einflüsse in den analysierten Datensätzen mit einbeziehen zu können. In unserer Arbeitsgruppe werden wichtige technische Beiträge zur Entwicklung und Verbesserung der Algorithmen, die von CMS zur Identifikation von b-Jets eingesetzt werden, geleistet. Interessierte können im Rahmen ihrer Bachelor- oder Masterarbeit in diesem Themenfeld mitarbeiten.
Sie lernen kennen:C++- und Python-Programmierung, B-Tagging, Top- und Higgs-Physik
Referent:Prof. Dr. Thomas Müller
Ansprechpartner:Dr. Soureek Mitra
Letzte Änderung:19.05.2022
Thema:Neue Ansätze für die Messung der Top-Quark-Masse bei CMS
Zusammenfassung: Auch 25 Jahre nach seiner Entdeckung am Tevatron-Beschleuniger des Fermilab in Chicago hat das Top-Quark nichts von seiner Anziehungskraft verloren. Suchen nach neuer Physik jenseits des Standardmodells der Teilchenphysik konnten bisher keine neuen Teilchen oder Wechselwirkungen finden. So rücken Präzisionsmessungen bekannter Teilchen in den Fokus, in der Hoffnung, Abweichungen zu den vorhergesagten Eingeschaften zu entdecken, die auf Beiträge neuer, bisher unbekannter Physik hinweisen. Als schwerstes derzeit bekanntes Elementarteilchen nimmt das Top-Quark eine Sonderrolle im Standardmodell ein. Es zerfällt nahezu instantan, was die Beobachtung eines quasi "nackten" Quarks ermöglicht. Die Masse des Top-Quarks ist bereits sehr genau experimentell bestimmt worden. Wir wollen die Top-Quark-Masse indirekt über die Helizität der im Top-Quark-Zerfall entstehenden W-Bosonen messen und somit eine unabhängige Massenbestimmung vornehmen. Interessierte können im Rahmen ihrer Bachelor- oder Masterarbeit an dieser Analyse mitarbeiten.
Sie lernen kennen:C++- und Python-Programmierung, ROOT, Datenanalyse, Top-Physik
Referent:Prof. Dr. Thomas Müller
Ansprechpartner:Dr. Thorsten Chwalek, Dr. Nils Faltermann
Letzte Änderung:19.05.2022