News-Preview

IceCube Kaggle

Heute startet der IceCube Kaggle. Dies ist ein öffentlicher Wettbewerb, den ORIGINS-Mitglied Philipp Eller von der Technischen Universität München für die IceCube-Kollaboration organisiert. Teilnehmerinnen und Teilnehmer müssen dabei einen Testdatensatz eines IceCube Neutrino-Signals herunterladen und innerhalb von drei Monaten eine Lösung entwickeln, die mithilfe von maschinellem Lernen in der Lage ist, die Richtung von Neutrinos zu rekonstruieren. Die besten Lösungen werden mit Geldpreisen prämiert.

Im unterirdischen Eis am Südpol werden mit empfindlichen Detektoren Signale von Neutrinos gemessen. (Bild: IceCube/NSF)

Hochenergetische Neutrinos zeugen von gewaltigen Vorgängen im Universum: Explodierende Sterne, Gammastrahlenausbrüche und verheerende Prozesse mit Schwarzen Löchern und Neutronensternen. Sie sind die am häufigsten vorkommenden massiven Elementarteilchen, besitzen aber kaum Masse und sind elektrisch neutral. Dadurch können sie fast völlig ungehindert durch den Weltraum reisen, aber genau diese Eigenschaften machen sie auch äußerst schwer nachzuweisen.

Das IceCube Neutrino-Observatorium am Südpol ist das erste seiner Art. Es besteht aus einem unterirdischen Kubikkilometer Eis, in welchem Stränge von lichtempfindlichen Detektoren Spuren der schwer fassbaren Teilchen registrieren. Neutrinos werden jedoch nicht direkt beobachtet. Wenn sie zufällig mit dem Eis interagieren, erzeugen sie elektrisch geladene Sekundärteilchen, die wiederum ein bläuliches so genanntes Cherenkov-Licht emittieren.

Die Öffentlichkeit kann der Forschung helfen

Forschende haben in den letzten zehn Jahren mehrere Ansätze entwickelt, um aus diesen sporadischen Lichtereignissen in Eis die ursprüngliche Richtung der Neutrinos zu rekonstruieren. Bestehende Lösungen sind jedoch entweder schnell aber ungenau, oder genauer, jedoch zum Preis enormer Rechenzeit.

Neue Ideen könnten vielleicht schon bald aus der internationalen Data-Science-Community kommen. Datenwissenschaftler und Aficionados von maschinellem Lernen können auf der Internet-Platform Kaggle die verschiedensten Datensätze finden, um ihre Modelle zu testen, Codes zu teilen und zu lernen.

Das Ziel des ,,IceCube - Neutrinos in Deep Ice" Kaggles ist es, mithilfe von maschinellen Lernroutinen neue Lösungen zu entwickeln, um die Richtung eines Neutrinos zu ermittelt. Es handelt sich dabei um einen öffentlichen Wettbewerb, bei dem Teilnehmende, die alleine oder in Teams arbeiten, letzten Endes Wissenschaftlern helfen könnten, erheblich schnellere und genauere Algorithmen zur Analyse von Neutrinoereignissen zu entwickeln. Dies würde die Chance, kosmische Neutrinoquellen zu identifizieren, erheblich erhöhen.

Link zum Wettbewerb: https://www.kaggle.com/competitions/icecube-neutrinos-in-deep-ice

Kontakt:

Dr. Philipp Eller (TUM)
E-Mail: philipp.eller(at)tum.de