Nach der erfolgreichen Entdeckung des Higgs-Bosons am LHC stellt sich die Frage, ob es nur dieses eine Boson gibt oder ob es weitere zu entdecken gibt. Diese Frage ist spannend, da das Standardmodell der Teilchenphysik unvollständig ist und noch einige offene Fragen bestehen. Ein Beispiel ist die Frage nach dem Grund für die Materie-Antimaterie-Asymmetrie. Viele Modelle, die diese Frage beantworten könnten, prognostizieren die Existenz zusätzlicher Higgs-Bosonen, darunter auch geladene. Das Ziel dieses Projekts ist die Suche nach geladenen Higgs-Bosonen in den Daten des ATLAS-Experiments. In diesem Projekt wollen wir eine ATLAS-Analyse entwickeln, die nach solchen neuen Teilchen sucht, und sie auf ATLAS-Daten anwenden.

Was könnt ihr dabei lernen? Grundlagen der Analyse von ATLAS-Daten

Dieses Projekt befasst sich mit der präzisen Modellierung semileptonischer B-Meson-Zerfälle unter Verwendung des HAMMER-Softwarepakets zur effizienten Gewichtung von Formfaktoren. Ziel ist es, die kinematischen Verteilungen sowohl von B → D(*)lν als auch von charmlosen Übergängen wie B → πlν, B → ρlν und B → ωlν zu analysieren, um die fundamentalen CKM-Parameter (|Vcb| und |Vub|) zu bestimmen und theoretische Vorhersagen für die Observablen R(D) und R(D*) zu treffen.

Was könnt ihr dabei lernen? Theorie semileptonischer Zerfälle, Datenanalyse, Flavor-Physik

Rare leptonic decays of B mesons are highly suppressed in the Standard Model and therefore provide sensitive probes for possible new physics effects. This project focuses on the study of the rare purely leptonic decay B+ → e+e-e+νe using simulated Belle II data. The analysis will use hadronic tagging technique to reconstruct one of the B mesons in hadronic decay channel. This allows improved reconstruction of the signal-side B meson decay that contains a neutrino. The project provides an introduction to modern flavor-physics analysis methods for rare B decays at Belle II.

What can you learn? python, data analysis, physics of rare B decays

Der Large Hadron Collider (LHC) produziert enorme Datenmengen, in denen sich seltene Teilchenzerfälle verbergen. In diesem Projekt werden Methoden des maschinellen Lernens eingesetzt, um solche Zerfälle effizient zu identifizieren. Dazu werden verschiedene Algorithmen trainiert, um Signalereignisse von Hintergrundprozessen zu unterscheiden. Du lernst die Grundlagen der Datenanalyse und des Machine Learning in der Teilchenphysik kennen und erhältst Einblicke in den Umgang mit großen experimentellen Datensätzen, die mit dem LHCb-Detektor, einem der vier großen Experimente am CERN, aufgezeichnet wurden. Die entwickelten Methoden ermöglichen die Untersuchung seltener Prozesse und könnten dabei helfen, Hinweise auf bislang unbekannte physikalische Phänomene zu finden.

Was könnt ihr dabei lernen? Grundlagen der Teilchenphysik und Machine Learning, Datenanalyse in der Teilchenphysik

Seltene Zerfälle von b-Hadronen sind sensible Indikatoren für das Standardmodell (SM) der Teilchenphysik. Effekte, die jenseits des SM liegen, können zu deutlichen Abweichungen zwischen den gemessenen Eigenschaften und den theoretischen Vorhersagen führen. Diese Messungen erfordern ein gründliches Verständnis der Unterschiede zwischen simulierten und gemessenen Zerfällen. Oft lassen sich diese Unterschiede mithilfe multivariater Algorithmen korrigieren. Neue Entwicklungen im Bereich des maschinellen Lernens bieten hierfür eine breite Palette an Algorithmen, von denen viele die Durchführung präziserer Messungen ermöglichen könnten.

Was könnt ihr dabei lernen? Theorie semileptonischer Zerfälle, Datenanalyse, Flavor-Physik

Das Projekt beschäftigt sich mit der Entwicklung ultraleichter Auslesestrukturen („Flex-Tapes“) für die zukünftigen Pixeldetektoren des LHCb-Experiments am CERN. Ziel ist es, eine besonders dünne und zugleich hochperformante Datenübertragung für das geplante Upgrade II des Detektors zu realisieren. Dafür werden flexible Leiterstrukturen aus Polyimidfolien mit Aluminiumleitungen entworfen und hinsichtlich ihrer Eignung für die Hochgeschwindigkeitsdatenübertragung untersucht. Im Rahmen des Projekts werden die Flex-Tapes mit KiCad entworfen, gefertigt und anschließend experimentell getestet. Dazu gehören elektrische Messungen mit Netzwerk-Analysatoren und Oszilloskopen bei Datenraten von bis zu 1,28 Gbit/s. Zusätzlich können Untersuchungen zur Integration der Flex-Tapes in das Gesamtdetektorsystem durchgeführt werden. Das Projekt verbindet praktische Laborarbeit mit moderner Detektorentwicklung für Teilchenphysikexperimente der nächsten Generation.

Was könnt ihr dabei lernen? Erfahrung mit aktuellen Konzepten für hochintegrierten Pixeldetektoren für die Teilchenphysik

The Z boson, a mediator of the weak nuclear force in the Standard Model or particle physics, can decay into pairs of quarks, including heavy quarks such as bottom (b). These heavy quarks leave distinctive signatures in particle detectors like ATLAS at the Large Hadron Collider and can be exploited to study the decay characteristics of Z bosons. In this project, you would learn how such heavy-flavor decays of Z bosons are modeled using Monte Carlo event generators and explore their characteristics using basic data analysis. Furthermore, you would study how state-of-the-art machine learning algorithms are used to identify such Z bosons in the experiment.

What can you learn? physics of weak bosons, Monte Carlo event generators, data analysis