Ćwiczenia w grupach badawczych (011)

Analiza sygnału radiowego i poszukiwanie przypadków w danych z eksperymentu GRAND, badającego promieniowanie kosmiczne najwyższych energii

dr Lech Wiktor Piotrowski (Lech-Wiktor.Piotrowski@fuw.edu.pl)

Pochodzenie promieniowania kosmicznego najwyższych energii pozostaje jedną z największych zagadek współczesnej fizyki. Rozwiązanie ma przynieść eksperyment Giant Radio Array for Neutrino Detection (GRAND) – planowana macierz anten stworzonych do obserwacji sygnału radiowego pochodzącego od cząstek o energiach powyżej 10^17 eV przechodzących przez atmosferę, takich jak promienie kosmiczne, neutrina i fotony.

Eksperyment GRAND będzie się składał z 200.000 anten radiowych rozstawionych na powierzchni około 200.000 kilometrów kwadratowych w odludnych, górzystych regionach świata. Obserwatorium będzie wykrywać m. in. zahaczające o Ziemię neutrina taonowe, które jeszcze pod ziemią mogą wytworzyć taony wylatujące na powierzchnię i tworzące wielki pęk atmosferyczny. Tak powstała, niemal równoległa do Ziemi kaskada cząstek wtórych wytwarza m. in. impuls radiowy w zakresie megaherców. Pęki te pokonują w atmosferze duże odległości, zostawiając na powierzchni Ziemi „ślady” radiowe o długości wielu kilometrów, które będą rejestrowane przez eksperyment GRAND.

Praca z danymi w ramach eksperymentu GRAND daje możliwość wykonania różnych ćwiczeń:
1) Analiza tła eksperymentalnego w próbce danych zebranej w Chinach. Wynikiem powinno być uzyskanie podstawowej charakterystyki tego sygnału.
2) Poszukiwanie przypadków w próbce danych, a w przypadku znalezienia, ich scharakteryzowanie.
3) Oczyszczanie sygnału radiowego pochodzącego z zasymulowanych wielkich pęków atmosferycznych. Ćwiczenie można wykonać zarówno porównując różne znane filtry, jak również tworząc własne algorytmy i cięcia.

W zadaniach (2) i (3) możliwe są różne podejścia, od wizualnej analizy danych, poprzez „standardowe” algorytmy analizy danych, po uczenie maszynowe.

Wykonanie ćwiczeń wymaga podstawowych umiejętności w zakresie programowania i analizy danych (najbardziej przydatna będzie znajomość Pythona).