PD Dr. Oliver Kortner
- Telefon
- +49 89 323 54-240
- Raum
- –
- gu53mul@mytum.de
- Links
-
Visitenkarte in TUMonline
- Arbeitsgruppe
- Hadronenstruktur und Fundamentale Symmetrien
- Funktion
- Privatdozent am Physik-Department
Lehrveranstaltungen und Termine
Titel und Modulzuordnung | |||
---|---|---|---|
Art | SWS | Dozent(en) | Termine |
Konzepte für zukünftige Hadroncolliderexperimente 1 Zuordnung zu Modulen: |
|||
VO | 2 | Kortner, O. |
Mo, 10:00–12:00, PH II 127 |
FOPRA-Versuch 04: Spurmessung von Myonen der kosmischen Strahlung mit Driftrohrkammern Zuordnung zu Modulen: |
|||
PR | 1 |
Kortner, O.
Mitwirkende: Maschek, S. |
Ausgeschriebene Angebote für Abschlussarbeiten
- Entwicklung eines autonomen Triggersystems mit Myonkammern mit zylindrischen Driftrohren.
Kammern mit zylindrischen Driftrohren sind bestens für die Instrumentierung großflächiger Myonsysteme von Hadroncolliderexperimenten geeignet. Sie gestatten es kostengünstig, die Flugbahnen der Myonen sehr genau zu vermessen. Bisher wurden diese Kammern stets zusammen mit schnellen Triggerkammern betrieben. Die Fortschritte im Bereich der Digitalelektronik, insbesondere die Verfügbarkeit leistungsfähiger FPGAs, eröffnen die Möglichkeit, Kammern mit zylindrischen Driftrohre selbstauslösend ohne schnelle Triggerkammern zu betreiben. In der Bachelorarbeit soll dies mit Hilfe simulierter und experimenteller Daten demonstriert werden.
- geeignet als
- Bachelorarbeit Physik
- Themensteller(in): Oliver Kortner
- Identification of heavy-flavour jets using semi-supervised machine learning techniques
- The identificaiton of heavy-flavour jets with the ATLAS Detector are based on modern machine learningtechniques, which have become increasingly sophisticated over the last years and use more and moresubtle features of the considered training data. At the same time, an increased complexity can inducean similarly increased dependents to the Monte Carlo simulation.Semi- or unsupervised machine learning techniques offer the potential to directly train on the datameasured by the ATLAS detector and thus mitigate any model dependencies of the resultingheavy-flavour identification algorithms.In these studies, a semi-supervised machine learning algorithm will be trained and optimized.It's performance will be compared to that of the standard heavy-flavour identification algorithmsused in the ATLAS collaboration.
- geeignet als
- Masterarbeit Physik der kondensierten Materie
- Themensteller(in): Oliver Kortner
- Optimierung der Impulsformung der Signale zylindrischer Driftrohre für den Betrieb bei hohen Teilchenflüssen
Zylindrische Driftrohre sind bestens für die genaue Vermessung der Flugbahnen von Myonen in Colliderexperimenten geeignet. Bei zukünftigen Beschleunigerprojekten wie dem HL-LHC oder dem FCC-hh werden diese Myonkammern einem Untergrund von Gammaquanten ausgesetzt sein. Die von diesen Gammanquanten ausgelösten Signale führen bei hohen Untergrundraten zur Verschlechterung des Myonnachweises. Dieser Effekt kann durch geeignete Pulsformungstechniken minimiert werden. In der Bachelorarbeit sollen verschiedene Ansätze zur Pulsformung mit simulierten und experimentellen Daten verglichen werden.
- geeignet als
- Bachelorarbeit Physik
- Themensteller(in): Oliver Kortner
- Optimierung von Algorithmen maschinellen Lernens für die Higgsbosonidentifikation
- The identification of booosted Higgs-boson decays into a pair of b-quarks is based on modern machinelearning algorithms. One approach that is currently under investigation is based on a recurrent neuralnetwork (RNN). The aim of this study is to tune the parameter settings of this RNN algorithmand thus to optimize its performance.
- geeignet als
- Bachelorarbeit Physik
- Themensteller(in): Oliver Kortner