Angewandte Multi-Messenger-Astronomie 1
Applied Multi-Messenger Astronomy 1

Die Inhalte der Vorlesung umfassen:

• Instrumente für die Beobachtung von Gamma Strahnung (Fermi-LAT, MAGIC, CTA)
• Instrumente für die Beobachtung von Neutrinos (IceCube, KM3Net, GVD)(
• Instrumente für die Beobachtung von kosmischer Strahlung (Auger, Telescope Array)
• Entsprechende wichtige wiss. Meilensteine aus den einzelnen Teilgebieten.
• Einführung in die wiss. Programmierung mit Python (Numpy, Scipy, Matplotlib)
• Statistische Grundlagen und Konzepte für die Datenanalyse (chi2, Likelihood, p-Values, ...)
• Werkzeuge zur Datenanalyse (Minimizer, Markov-Chain Monte Carlo, Machine Learning)

Nach der erfolgreichen Teilnahme an dem Modul sind die Studierenden in der Lage:

• die Grundlagen der Multi-Messenger Astronomie zu verstehen
• den Inhalt von wiss. Veröffentlichungen in diesem Gebiet zu verstehen und einzuordnen
• Visualisierungen von Daten mit Python und Matplotlib zu erstellen
• statistische Datenauswertungen mit Python, NumPy und SciPy durchzuführen
• das Konzept von Likelihiood und chi2 Fits zu verstehen und diese praktisch anzuwenden
• das Konzept von Minimierungsalgorithmen wie Minuit zu verstehen und diese praktisch anzuwenden
• das Konzept von Markov-Chain Monte Carlo Sampling zu verstehen und in der Praxis anzuwenden

Keine besonderen Voraussetzungen außer der Qualifikation für das Masterstudium in Physik.

In the lecture, the learning content is presented in three blocks. In the first block, the concept of multi-messenger astronomy is introduced and the working principals of telescopes like IceCube, Fermi-LAT, and MAGIC are explained. In the second block, basic programming concepts and the Python programing language are introduced. In the last block, basic statistical concepts are repeated and an introduction to the most important numerical tools for data analysis and model fitting is provided.

In the exercise, the students learn how to plot data and solve statistical problems in the programming language Python by working on hands-on exercises under supervision. The students are provided with a virtual Linux machine that has all the required software pre-installed.

PowerPoint presentations (recordings also available to students), live coding, text books, complementary literature

• T.K. Gaisser, R. Engel & E. Resoni: Cosmic Rays and Particle Physics, Cambridge University Press, (2016)
• M.A. Wood: Python and Matplotlib Essentials for Scientists and Engineers, Morgan & Claypool, (2015)
• G. Cowan: Statistical Data Analysis, Oxford Science Publications, (1998)

Das Erreichen der im Abschnitt Lernergebnisse dargestellten Kompetenzen mindestens in der dort angegebenen Erkenntnisstufe wird exemplarisch durch eine von den Studierenden selbständig zu erarbeitende Abschlusspräsentation überprüft. Die Leistung der Studierenden wird an Hand der Präsentation und einer anschließenden Diskussion bewertet. Die Prüfung hat eine Dauer von insgesamt 25 Minuten.

Prüfungsaufgabe könnte beispielsweise sein:

• Ermitteln sie das Energiespektrum und den spektralen index anhand eines Fermi Datensatzes (Python).
• Was ist der Erwartungswert einer Poisson Verteilung?
• Was sind die Vorteile von Multi-Messenger Beobachtungen?
• Was versteht man unter der "effektiven Sammelfläche" und wofür wird sie benötigt?

Die Teilnahme am Übungsbetrieb wird dringend empfohlen, da die Übungsaufgaben auf die in der Modulprüfung abgefragten Problemstellungen vorbereiten und somit die spezifischen Kompetenzen eingeübt werden.