Bachelorarbeiten

Masterarbeiten zur Datenanalyse

Thema:Searching for Dark Matter with unsupervised learning using anomaly detection
Zusammenfassung: In recent years methods for model independent searches for physics beyond the standard model came into focus of particle physics. As a complementary method to dedicated searches for certain models, they promise, among other things, new clues for the properties of Dark Matter. Anomaly Detection presents an ansatz to extract uncommon events from a large amount of (known) background events without knowing their properties in advance. For that a number of statistical Methods like Density Estimation, Decision Trees and Neural networks are used. In this project already conducted BSM searches (axion-like particles, inelastic dark matter) are used as benchmark to develop and compare such models.
Sie lernen kennen:Particle physics, data analysis, Python-programming, machine learning, PyTorch
Referent:Prof. Dr. Torben Ferber
Ansprechpartner:Jonas Eppelt
Letzte Änderung:23.01.2023
Thema:Searching for Dark Matter with machine learning for future experiments
Zusammenfassung: Next generation experiments at CERN will be searching for Axion-like particles (ALPs) with unprecedented sensitivity. To exploit those large detectors like SHADOWS, we will be using machine learning tools to predict physics quantities based on incomplete detector information in data. During the MSc thesis you will develop machine learning algorithms and work closely with experimental and theoretical physicists to optimize the discovery potential of detectors like SHADOWS at CERN.
Sie lernen kennen:Particle physics (ALPs), data analysis, Python-programming, machine learning, PyTorch
Referent:Prof. Dr. Torben Ferber, Prof. Dr. Felix Kahlhoefer
Ansprechpartner:Prof. Dr. Torben Ferber
Letzte Änderung:23.01.2023
Thema:Search for Bs→φπ0 decays at Belle
Zusammenfassung: The Belle experiment, which concluded in 2011, collected a unique sample of Υ(5S) decays to Bs meson pairs in the clean e+e- collision environment. This dataset has yet to be fully exploited. The rare decay Bs→φπ0 is strongly suppressed in the Standard Model and has yet to be observed. However, in a theoretical analysis motivated by the Kπ CP-puzzle, models with modified or additional Z bosons allow for an increase of the branching fraction by an order of magnitude without inconsistencies with other measurements. The Kπ CP-puzzle consists of an unexpectedly large direct CP asymmetry in the decays B± → K±π0 and B0 → K±π∓. These decays are dominated by isospin-conserving processes, but have a small contribution from isospin-violating penguin processes as well. In the isospin-violating decay Bs→φπ0 the penguin processes dominate, which means that potential NP contributions can have a much larger relative effect. If these contributions exist, an observation of the Bs→φπ0 decay may be possible with the Belle Υ(5S) dataset.
Sie lernen kennen:C++, python programming, data analysis
Referent:Prof. Dr. Torben Ferber
Ansprechpartner:Dr. Pablo Goldenzweig
Letzte Änderung:23.01.2023
Thema:Search for B+/0 → π+/π0/ρ+/ρ0 νν decays at Belle II experiment
Zusammenfassung: Recently the Belle II experiment set a stringent limit on the branching fraction for the rare decay B+ → K+νν, which is b → s transition, using a novel tagging approach which relies heavily on a machine learning-based selection. The measurement of the branching fraction for this decay is of great interest as it is strongly sensitive to many NP scenarios, such as leptoquarks, axions or other dark matter candidates. In this project, you would perform the first search with Belle II data for very similar processes also using machine learning-based selection, but instead of b → s transitions, you would search for b → d transitions B+/0 → π+/π0/ρ+/ρ0 νν, where the branching fractions in the SM are further suppressed by |Vtd/Vts|^2.
Sie lernen kennen:machine learning, C++, python programming, data analysis, statistics
Referent:Prof. Dr. Torben Ferber
Ansprechpartner:Dr. Slavomira Stefkova
Letzte Änderung:23.01.2023
Thema:Search for B+ → (ccbar → ν̄ν) K+ with Belle II
Zusammenfassung: In this project, search for a process of B+ → (ccbar → ν̄ν) K+ where ccbar is one of the resonant states such as J/psi which decays invisibly. In the SM this decay is mediated by Z Bosons and the branching fraction for this decay is expected to be tiny. However, beyond SM physics, such as new Z’ Bosons, could enhance the branching fraction significantly. For this search you will work on an analysis which will use so called "exclusive hadronic tagging" for the other B in the event before looking for a signal decay of interest within the rest of the event. Development of the rest of the selection will include an implementation of machine learning algorithms that will be trained in order to suppress backgrounds.
Sie lernen kennen:machine learning, C++, python programming, data analysis, statistics
Referent:Prof. Dr. Torben Ferber
Ansprechpartner:Dr. Slavomira Stefkova
Letzte Änderung:23.01.2023
Thema:Suche nach Dunkler Materie in Assoziation 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 Masterarbeit können Sie sich an dieser Suche maßgeblich beteiligen.
Sie lernen kennen:Physik jenseits des SM, Datenanalyse, Maschinelles Lernen, Python-Programmierung, C++-Programmierung, ROOT, statistische Methoden und Optimierung
Referent:Prof. Dr. Ulrich Husemann
Ansprechpartner:Dr. Michael Waßmer
Letzte Änderung:24.01.2023
Thema:Maschinelles Lernen in der Teilchenphysik
Zusammenfassung:In der Teilchenphysik werden seit vielen Jahren multivariate Methoden eingesetzt. Aktuelle Techniken des maschinellen Lernens wie Deep Neural Networks (DNN), Convolutional Networks (CNN) und Graph Neural Networks (GNNs) finden derzeit Einzug in die Teilchenphysik. Verstärkt Aufmerksamkeit erfahren aktuell auch immer mehr Methoden zur systematischen Untersuchung der Techniken des maschinellen Lernens, zusammengefasst unter dem Stichwort "Explainable AI/ML". Probieren Sie in einer Masterarbeit eine der zahlreichen neuen Möglichkeiten aus, die sich dadurch ergeben.
Sie lernen kennen:Collider-Physik, Maschinelles Lernen, Python-Programmierung
Referent:Prof. Dr. Ulrich Husemann
Ansprechpartner:Dr. Michael Waßmer
Letzte Änderung:24.01.2023
Thema:Assoziierte ttX-Produktion
Zusammenfassung:In der assoziierten Produktion von Higgs-Bosonen und Top-Quark-Antiquark-Paaren kann die Top-Higgs-Yukawa-Kopplung direkt vermessen werden. Diesen Prozess haben wir zum ersten Mal im Jahr 2018 beobachtet. Um den Prozess noch genauer zu verstehen und mögliche Spuren neuer Physik zu entdecken, untersuchen wir außerdem die wichtigsten Untergrundprozesse, die im Detektor fast wie das Signal aussehen. Dies sind vor allem die assozierte Produktion von Top-Quarks mit zusätzlichen Bottom-Quarks oder Z-Bosonen. Seien Sie Teil des Team, das die Top-Yukawa-Kopplung mit dem vollen Datensatz des LHC Run 2 untersucht und wichtige Untergrundprozesse mit höchster Genauigkeit vermisst.
Sie lernen kennen:Top-und Higgs-Physik, Datenanalyse, Maschinelles Lernen, Python-Programmierung, C++-Programmierung, ROOT
Referent:Prof. Dr. Ulrich Husemann
Ansprechpartner:Dr. Michael Waßmer
Letzte Änderung:24.01.2023
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