Titel: | Detection of the Crab Nebula with the first TAIGA IACT | Sprache: | Englisch | Autor*in: | Blank, Michael | Schlagwörter: | TAIGA (Experiment); Imaging Air Cherenkov Telescope (IACT); HiSCORE (Experiment) | GND-Schlagwörter: | GammaastronomieGND HochenergieastronomieGND LuftschauerGND Kosmische StrahlungGND Čerenkov-StrahlungGND Maschinelles LernenGND |
Erscheinungsdatum: | 2023 | Tag der mündlichen Prüfung: | 2023-08-18 | Zusammenfassung: | The recent observation of gamma rays close to PeV energies has opened up a new, yet unexplored window to the sky. To identify the sources capable of producing such highly energetic particles and to understand the underlying acceleration mechanism, continued observations at energies above 100 TeV are a promising field of study. Instruments designed to observe at these energies require high sensitivity. The TAIGA experiment aims to implement a hybrid detection technique of cosmic and gamma rays at TeV to PeV energies. It combines the Cherenkov light sampling array HiSCORE with Imaging Air Cherenkov Telescopes (IACTs) and seeks to introduce a new reconstruction technique that complements the angular and shower core resolution of HiSCORE with the gamma hadron separation power of the imaging telescopes. In this work, a simulation and analysis chain of the first TAIGA IACT starting from raw data and concluding with a high-level spectral reconstruction of Crab Nebula data of only the first IACT, taken between October 2019 and December 2020 is presented. A good agreement of higher-level image parameters with simulation is demonstrated. Using the image parameters, origin reconstruction, energy estimation, and background suppression were implemented with Random Forests, a commonly used machine learning technique. Overall, an angular resolution of <0.2° between 10 TeV and 100 TeV degrading towards higher and lower energies was achieved. The energy resolution is <25 % and the bias is <5 % between 10 TeV and 100 TeV. For the background suppression with the Random Forest, a quality factor of 4 for a Crab-like spectrum was achieved. Above 30 TeV, a quality factor of 6 was reached. Together with the instrument response functions from the Random Forest analysis, calibrated, cleaned, reconstructed, and background suppressed events were used in the higher-level analysis with Gammapy. 122 h of good-weather-selected Crab Nebula data taken in wobble mode resulted in 204.6 excess events at a significance of 9.7σ for an analysis threshold of approximately 6 TeV. A forward-folding power law fit resulted in a flux of ϕ0 = (4.3 ± 0.5) × 10−10 m−2 s−1 TeV−1 at a reference energy of 11 TeV with a photon index of Γ = 2.97 ± 0.15. A rough estimate of the systematic uncertainties was attempted and resulted in an uncertainty of the energy calibration of ∼20 %. Die Beobachtung von Photonen nahe an PeV-Energien öffnete ein neues, bis jetzt wenig erforschtes Feld. Weitergehende Beobachtungen oberhalb von 100 TeV stellen ein vielversprechendes Forschungsfeld dar, um jene Quellen zu finden, die fähig sind, solch hochenergetische Teilchen zu erzeugen, und um die zugrundeliegenden Beschleunigungsprozesse zu verstehen. Instrumente, die für Beobachtungen in diesem Energiebereich entworfen werden, erfordern eine hohe Sensitivität. Das Ziel des TAIGA Experiments ist es, eine hybride Detektionsmethode f¨ur Gamma- und kosmische Teilchen im Bereich von TeV bis PeV zu realisieren. Das Experiment kombiniert HiSCORE, eine Anordnung von optischen Stationen zur Aufzeichnung von Cherenkov-Licht, mit abbildenden Luft-Cherenkov-Teleskopen (IACT). Ziel ist es, neue Rekonstruktionstechniken einzuführen, die die Winkel- und Kernortauflösung von HiSCORE mit dem Gammateilchen-Hintergrund Separationsvermögen der abbildenden Teleskope kombinieren. In dieser Arbeit wird eine Simulations- und Analyseprozedur des ersten abbildenden Teleskops von TAIGA vorgestellt. Dieser Prozess beginnt bei der Verarbeitung der Rohdaten und endet mit der spektralen Rekonstruktion der Daten des Krebsnebels, die ausschließlich vom ersten abbildenden Teleskop stammen und zwischen Oktober 2019 und Dezember 2020 aufgenommen wurden. Es wird eine gute Übereinstimmung abstrakterer Bildparameter mit der Simulation gezeigt. Unter Verwendung dieser Bildparameter werden Richtungsrekonstruktion, Energieabschätzung und Hintergrundunterdrückung mithilfe von Random Forests umgesetzt, einer weit verbreiteten Technik des maschinellen Lernens. Dabei wird eine Winkelauflösung von <0.2° zwischen 10 TeV und 100 TeV erreicht. Die Energieauflösung und -genauigkeit bleiben <25 % bzw. <5 % zwischen 10 TeV und 100 TeV. Bei der Hintergrundunterdrückung mit dem Random Forest wird über alle Energien ein Qualitätsfaktor von 4 erreicht, der oberhalb von 30 TeV auf 6 ansteigt. Zusammen mit den Instrumenten-Antwortfunktionen der Random Forest Analyse wurden kalibrierte, gesäuberte, rekonstruierte und hintergrundunterdrückte Ereignisse für eine Auswertung mit Gammapy genutzt. 122 h der Beobachtung des Krebsnebels im Wobbel-Modus unter guten Wetterbedingungen ergaben 204.6 Überschussereignisse mit einer Signifikanz von 9.7σ bei einer Energieschwelle von etwa 6 TeV. Die Anpassung eines Potenzgesetzes mittels Vorwärts-Faltung ergab einen Fluss von ϕ0 = (4.3 ± 0.5) × 10−10 m−2 s−1 TeV−1 bei einer Referenzenergie von 11 TeV und einen Exponenten von Γ = 2.97 ± 0.15. Eine grobe Abschätzung der systematischen Fehler ergab eine Ungenauigkeit der Energiekalibration von ∼20 %. |
URL: | https://ediss.sub.uni-hamburg.de/handle/ediss/10436 | URN: | urn:nbn:de:gbv:18-ediss-111548 | Dokumenttyp: | Dissertation | Betreuer*in: | Horns, Dieter |
Enthalten in den Sammlungen: | Elektronische Dissertationen und Habilitationen |
Dateien zu dieser Ressource:
Datei | Beschreibung | Prüfsumme | Größe | Format | |
---|---|---|---|---|---|
thesis_michael_blank_final_no_sig_head.pdf | cb45abcf9d05657f863e114c14a6ec0f | 16.76 MB | Adobe PDF | Öffnen/Anzeigen |
Info
Seitenansichten
295
Letzte Woche
Letzten Monat
geprüft am 25.12.2024
Download(s)
131
Letzte Woche
Letzten Monat
geprüft am 25.12.2024
Werkzeuge