Astroteilchen- und Geophysiker erhalten Millionenförderung

Foto (WWU - S. Peters): Prof. Dr. Christian Weinheimer, Dr. Volker Hannen, Prof. Dr. Christine Thomas und Prof. Dr. Alexander Kappes (v. l.) erhalten für ihre Forschungsvorhaben finanzielle Unterstützung durch das BMBF.

Physikerinnen und Physiker der Westfälischen Wilhelms-Universität (WWU) Münster freuen sich über eine Millionenförderung durch das Bundesministerium für Bildung und Forschung (BMBF). Drei Projekte aus der Astroteilchenphysik und ein Vorhaben zum Thema maschinelles Lernen erhalten insgesamt rund 2,2 Millionen Euro für die kommenden drei Jahre.

Astroteilchenphysiker Prof. Dr. Christian Weinheimer vom Institut für Kernphysik erhält eine Förderung für ein internationales Projekt zur Suche nach dunkler Materie mit dem Experiment „XENONnT“ im Gran-Sasso-Nationallabor LNGS im Gran-Sasso-Gebirge in den Abruzzen in Italien. Er und sein Team sind im Rahmen dieses Großexperiments für den Betrieb zweier kryogener Destillationssäulen zur Entfernung von radioaktiven Verunreinigungen verantwortlich.

Christian Weinheimer und Dr. Volker Hannen sind am Neutrinomassenexperiment „KATRIN“ am Karlsruher Institut für Technologie beteiligt und erhalten für diese Arbeit ebenfalls eine Förderung. Sie werden neue Methoden entwickeln, um Störsignale zu reduzieren, den Detektor zu kalibrieren und systematische Unsicherheiten in den Messungen so weit wie möglich auszuschließen.

Prof. Dr. Alexander Kappes, ebenfalls vom Institut für Kernphysik und im Bereich der Astroteilchenphysik tätig, ist am internationalen Großprojekt „IceCube“ zur Messung von kosmischen Neutrinos im Eis der Antarktis am Südpol beteiligt, für das er eine Förderung erhält. Sein Team entwickelt unter anderem innovative optische Sensoren für zukünftige Detektorerweiterungen.

Gemeinsam mit der Geophysikerin Prof. Dr. Christine Thomas ist Alexander Kappes zudem an einem weiteren Förderprojekt beteiligt, das mit dem Gravitationswellendetektor „Einstein-Teleskop“ in Verbindung steht. Es geht dabei um die Nutzung von maschinellem Lernen zur Vorhersage von seismischen Wellen. Zudem soll ein realistisches Untergrundmodell erstellt werden, um dadurch eine Korrektur der von den seismischen Wellen hervorgerufenen Bewegungen der Gravitationsdetektoren in Echtzeit zu ermöglichen.