User: Guest  Login
Original title:
Bioluminescence in the Pacific Ocean Neutrino Experiment: Shedding Light on the Deep Sea
Original subtitle:
Unveiling the biological phenomena by combining techniques from statistics, astrophysics and machine learning
Translated title:
Biolumineszenz im Pacific Ocean Neutrino Experiment: Licht ins Dunkel der Tiefsee bringen
Translated subtitle:
Enthüllung biologischer Phänomene durch die Kombination von Techniken aus Statistik, Astrophysik und maschinellem Lernen
Author:
Holzapfel, Kilian
Year:
2023
Document type:
Dissertation
Faculty/School:
TUM School of Natural Sciences
Advisor:
Resconi, Elisa (Prof. Dr.)
Referee:
Resconi, Elisa (Prof. Dr.); Fierlinger, Peter (Prof. Dr.)
Language:
en
Subject group:
NAT Naturwissenschaften (allgemein)
Keywords:
Pacific Ocean Neutrino Experiment, P-ONE, Strings for Absorption Length in Water, STRAW-b, STRAW, camera, deepsea, Bioluminescence
TUM classification:
PHY 400; PHY 900
Abstract:
While bioluminescence poses a challenge for neutrino telescopes, it also provides a unique opportunity for studying life in this unexplored habitat. This thesis focuses on developing the data acquisition system and camera optics for STRAW-b. An innovative image recognition algorithm, aided by machine learning, enables the detection and characterization of bioluminescent events. This thesis presents the first measurement of the spectral population of bioluminescent organisms in the deep sea.
Translated abstract:
Während Biolumineszenz eine Herausforderung für Neutrino-Teleskope darstellt, bietet sie auch eine einzigartige Möglichkeit, das Leben in diesem unerforschten Lebensraum zu erforschen. Diese Arbeit konzentriert sich auf die Entwicklung des Datenakquisitionssystems und der Kameraoptik für STRAW-b. Ein innovativer Bilderkennungsalgorithmus, unterstützt durch maschinelles Lernen, ermöglicht die Erkennung und Charakterisierung von biolumineszenten Ereignissen. Diese Arbeit präsentiert die erste Mess...     »
WWW:
https://mediatum.ub.tum.de/?id=1713703
Date of submission:
27.06.2023
Oral examination:
12.07.2023
File size:
24472869 bytes
Pages:
184
Urn (citeable URL):
https://nbn-resolving.de/urn/resolver.pl?urn:nbn:de:bvb:91-diss-20230712-1713703-1-0
Last change:
12.09.2023
 BibTeX