Erlangen 2026 – wissenschaftliches Programm

Bereiche | Tage | Auswahl | Suche | Aktualisierungen | Downloads | Hilfe

T: Fachverband Teilchenphysik

T 57: Outreach I

T 57.9: Vortrag

Mittwoch, 18. März 2026, 18:15–18:30, KH 02.016

Bilderkennung für einfache Signal-Hintergrund-Trennung — •Andreas Zeh-Marschke für die Netzwerk Teilchenwelt Kollaboration — Karlsruher Institut für Technologie: Karlsruhe, DE

Im Rahmen eines Science Camp Teilchen- und Astroteilchenphysik am KIT für Schülerinnen und Schüler wurde eine typische Anwendung aus der Physik bearbeitet: eine Mustererkennung. Diese einfache, leicht verständliche, physikalische Anwendung wurde mit Werkzeugen des maschinellen Lernens durchgeführt. Dies zeigt einen möglichen Einsatz von Künstlicher Intelligenz in Rahmen der physikalischen Grundausbildung.

Anhand der Kontur, also des Verlaufs, einer Welle eines radioaktiven Zerfalls wird eine Trennung zwischen Signal (radioaktiver Zerfall) und Hintergrundrauschen durchgeführt. Dabei werden etwa 25 Pixel rund um den maximalen negativen Ausschlag analysiert. Diese Kontur ist ein eindimensionales Bild mit 25 Pixeln mit Graustufen. Somit ist die Signalerkennung ein Bilderkennungsproblem. Mittels maschinellen Lernens wird eine Trennung von Signal und Hintergrund vorgenommen. Dabei erfolgt eine Trennung auch dann mit großer Güte, wenn die Stärke des maximalen negativen Impulses vom Signal im Bereich des Hintergrundrauschens ist.

Die Wellen werden mit Hilfe des CERN-DIY-Detektor erfasst und mit einer Soundkarte aufgenommen und gespeichert. Für das maschinelle Lernen wurde als Werkzeug die Python-Bibliothek scikit-learn verwendet.

Keywords: Maschinelles Lernen; Bilderkennung; Signal-Hintergrund-Trennung; Mustererkennung