Langanzeige der Metadaten
DC Element | Wert | Sprache |
---|---|---|
dc.contributor.advisor | Rhode, Wolfgang | - |
dc.contributor.author | Temme, Thomas Fabian | - |
dc.date.accessioned | 2017-01-09T12:12:50Z | - |
dc.date.available | 2017-01-09T12:12:50Z | - |
dc.date.issued | 2016 | - |
dc.identifier.uri | http://hdl.handle.net/2003/35745 | - |
dc.identifier.uri | http://dx.doi.org/10.17877/DE290R-17773 | - |
dc.description.abstract | In this thesis the analysis of data of the Crab Nebula obtained by the First G-APD Cherenkov Telescope (FACT) is presented. An analysis chain using modern machine learning methods for energy estimation and background suppression is developed. The generation and application of the machine learning models are validated using Monte Carlo simulated events. The Crab Nebula can be detected as a source of very high energy gamma rays with a significance of 39.89 σ. Its energy spectrum can be reconstructed between 250 GeV and 16 TeV. The results of the analysis are used to evaluate the performance of the telescope. The energy bias and energy resolution are evaluated as well as the effective collection area and the sensitivity. The positive energy bias for energies below 1 TeV can be corrected by applying an unfolding method. For higher energies the bias is negligible. The energy resolution is about 22 % for most of the energy range. The effective collection area is monotonously increasing, reaching about 3 × 10 4 m 2 around 1 TeV. A sensitivity of 15.5 % of the flux of the Crab Nebula is calculated. The performance values are comparable to the values of current experiments. Taking into account the small reflector surface of FACT, the performance is very promising. | en |
dc.description.abstract | In dieser Dissertation wird die Analyse von Daten des Krebsnebels, aufgenommen durch das First G-APD Cherenkov Telescope (FACT), präsentiert. Zu diesen Zweck wird eine Analysekette entwickelt, die moderne Machine-Learning-Methoden zur Energieabschätzung und Hintergrundunterdrückung verwendet. Mit Hilfe von Monte-Carlo-simulierten Ereignissen wird die Generierung und Anwendung der Machine-Learning-Modelle validiert. Der Krebsnebel kann mit einer Signifikanz von 39.89 σ detektiert werden. Sein Energiespektrum kann zwischen 250 GeV und 16 TeV rekonstruiert werden. Die Ergebnisse der Analyse werden verwendet, um die Performanz des Teleskopes zu evaluieren. Untersucht werden der Bias und die Auflösung der Energie, sowie die effektive Fläche und die Sensitivität. Der positive Bias für Energien unter 1 TeV kann mit Hilfe einer Entfaltungsmethode korrigiert werden. Für höhere Energien ist er vernachlässigbar. Die Energieauflösung beträgt ungefähr 22 % für den größten Teil des Energie Bereiches. Die effektive Fläche steigt monoton an und erreicht einen Wert von ungefähr 3 × 10 4 m 2 bei 1 TeV. Die Sensitivität beträgt 15.5 % des Flusses des Krebsnebels. Die Performanzwerte sind vergleichbar mit den Werten aktueller Experimente. In Anbetracht der kleinen Reflektoroberfläche von FACT ist die Performanz sehr vielversprechend. | de |
dc.language.iso | en | de |
dc.subject | Gamma Astronomie | de |
dc.subject | Imaging Air Cherenkov Telescope | en |
dc.subject | FACT | de |
dc.subject | Krebs Nebel | de |
dc.subject | Datenanalyse | de |
dc.subject | Entfaltung | de |
dc.subject.ddc | 530 | - |
dc.title | On the hunt for photons: analysis of Crab Nebula data obtained by the first G-APD Cherenkov telescope | en |
dc.type | Text | de |
dc.contributor.referee | Kröninger, Kevin | - |
dc.date.accepted | 2016-11-11 | - |
dc.type.publicationtype | doctoralThesis | en |
dc.subject.rswk | Gammaastronomie | de |
dc.subject.rswk | Maschinelles Lernen | de |
dc.subject.rswk | Monte-Carlo-Simulation | de |
dc.subject.rswk | Crab-Nebel | de |
dcterms.accessRights | open access | - |
Enthalten in den Sammlungen: | Experimentelle Physik 5 Astroteilchenphysik |
Dateien zu dieser Ressource:
Datei | Beschreibung | Größe | Format | |
---|---|---|---|---|
Dissertation_Temme.pdf | DNB | 9.16 MB | Adobe PDF | Öffnen/Anzeigen |
Diese Ressource ist urheberrechtlich geschützt. |
Diese Ressource ist urheberrechtlich geschützt.
rightsstatements.org