Scheda programma d'esame
MULTIMESSENGER PHYSICS LABORATORY
MASSIMILIANO RAZZANO
Academic year2023/24
CoursePHYSICS
Code327BB
Credits9
PeriodSemester 2
LanguageEnglish

ModulesAreaTypeHoursTeacher(s)
MULTIMESSENGER PHYSICS LABORATORYFIS/01LEZIONI90
BARBARA PATRICELLI unimap
MASSIMILIANO RAZZANO unimap
Obiettivi di apprendimento
Learning outcomes
Conoscenze

Dopo aver superato l’esame lo studente avrà acquisito una solida conoscenza delle metodologie sperimentali legate all’osservazione di radiazione elettromagnetica (onde radio, luce visibile, raggi X e raggi gamma), onde gravitazionali e raggi cosmici, e delle tecniche e principali software di analisi dati utilizzati nell’astrofisica multimessaggera. Durante il corso gli studenti impareranno a raccogliere dati tramite osservazioni dirette o ritrovandoli da archivi online, a sviluppare programmi di analisi articolati utilizzando il linguaggio di programmazione Python anche sfruttando la programmazione orientata agli oggetti. Nella parte finale saranno anche presentati cenni di tecniche di analisi avanzate basate su machine e deep learning. 

Knowledge

The student who successfully completes the course will have acquired a solid knowledge of the experimental methodologies related to the observation of electromagnetic radiation (radio, visible light, X-rays and gamma rays), gravitational waves and cosmic rays, as well as the main techniques and analysis software used in multimessenger astrophysics. During the course the students will learn to collect data with direct observations or by retrieving it from online archives, and to develop analysis programs using Python programming languages also using object-oriented programming. During the last part an overview of the main machine learning approaches will be presented.

Modalità di verifica delle conoscenze

Lo studente deve mostrare di saper leggere e manipolare i dati raccolti da telescopi e strumenti operanti alle diverse lunghezze d’onda (in particolare onde radio, luce visibile, raggi X e raggi gamma), e da rivelatori di onde gravitazionali. Durante il corso saranno proposti progetti di analisi dati in cui gli studenti dovranno sviluppare opportuni programmi e algoritmi per estrarre i principali parametri delle sorgenti astrofisiche da analizzare, e preparare una relazione sui risultati ottenuti.

Metodi 

- Progetti di analisi dati e relative relazioni di laboratorio  

- Esame finale orale 

Assessment criteria of knowledge

The student will demonstrate the ability to read and manipulate the data taken with telescopes and instruments operating at various wavelengths (in particular in the radio, visible light X and gamma-ray band), with gravitational-wave detectors. During the course there will be a series of data analysis projects where students will develop custom programs and algorithms in order to extract the main parameters of the astrophysical source under analysis and prepare a report on the results. 

Methods: 

- Data analysis projects and related laboratory reports 

- Final written exam

Capacità

Capacità di acquisire e leggere  dati osservativi, tramite osservazioni oppure ritrovandoli da archivi online. Utilizzare il linguaggio di programmazione Python per sviluppare strumenti di analisi dati relativi a osservazione di radiazione elettromagnetica, gravitazionale e di radiazione cosmica. Utilizzare i principali metodi di analisi dati usati nel dominio di ond radio, luce visibile raggi X, raggi gamma, onde gravitazionali, anche utilizzando software di analisi specifici e principali librerie di analisi dati Python. Costruire un software di analisi dati per combinare dati osservativi provenienti da strumenti diversi nel contesto multimessaggero.

Skills

Collect and read observational data, with observations or from  online archives. Using Python language to develop analysis tools for electromagnetic an gravitational radiation, as well as cosmic rays. Using main analysis methods to analize data in radio, visible light, X, gamma rays, gravitational waves, also using specific analysis software and main Python analysis libraries. Build a analysis software that combine observational data coming from different instruments in the multimessenger context. 

Modalità di verifica delle capacità

L'abilità nell'uso degli strumenti e metodi più adeguati per studiare una sorgente cosmica viene verificata durante le esperienze  di osservazione e analisi dati durante l’anno e durante la prova orale finale. Dopo una parte introduttiva iniziale, durante le esperienze gli studenti saranno suddivisi in gruppi. 

 

Assessment criteria of skills

The skill in using the most adeguate analysis tools and methods for a certain cosmic source will be assessed through the observation and data analysis experiences during the year and in the final oral exam. Following an introductory part, during the experiences the students will work in groups.

Comportamenti

Lo studente acquisisce la terminologia corretta, sa utilizzare i metodi e i software di analisi più appropriati e, ove necessario, sa sviluppare semplici programmi di analisi in Python.

Behaviors

The student acquires the correct terminology, uses properly methods and analysis tools and if needed, is able to develop analysis programs with Python.

Modalità di verifica dei comportamenti

L'uso della terminologia corretta e il corretto ragionamento sono valutati nelle relazioni di laboratorio e durante la prova orale.

Assessment criteria of behaviors

Correct terminology and reasoning are assessed in the laboratory reports and during the oral exam.

Prerequisiti (conoscenze iniziali)

Conoscenze di base di relatività ed elettromagnetismo, di processi di interazione radiazione-materia. Conoscenza delle tecniche di base di analisi statistica. Conoscenza delle basi del linguaggio Python.

Prerequisites

Basic knowledge of relativity and electromagnetism. Basics of radiation-matter interaction processes. Knowledge of basic statistical analysis. Knowledge of the basics of Python language.

Programma (contenuti dell'insegnamento)

INTRODUZIONE 

- Richiami su grandezze fondamentali in astrofisica. Coordinate astronomiche.  Introduzione all’astrofisica multifrequenza e multimessaggera, motivazione e principali risultati Cataloghi, formato dati e risorse online per astrofisica multifrequenza.  . Programmazione a oggetti con Python e librerie per astronomia 

- Introduzione all’analisi dati con Python. Lettura e manipolazione dati astrofisici con i pacchetti Numpy, Scipy, Pandas e Astropy.  

-Il formato dati FITS 

-Basi di programmazione a oggetti con Python. Software di controllo versione moderni per la gestione di progetti di analisi dati.   

-Semplici progetti introduttivi sull'utilizzo di Python per la lettura e manipolazione di dati astrofisici.  

 

RADIAZIONE ELETTROMAGNETICA DI BASSA ENERGIA - ONDE RADIO E LUCE VISIBILE 

- Processi di emissione di radiazione nel dominio delle onde radio. Equazioni del trasporto radiativo, spettro di corpo nero. Emissioni non termiche. Principali sorgenti astrofisiche. Elementi di rivelazione delle onde radio con radiotelescopi. Caratteristiche dei radiotelescopi. 

- Tecniche osservative in luce visibile. Richiami di ottica geometrica e configurazioni ottiche dei telescopi. Principali caratteristiche dei telescopi: ottiche e montatura. Flussi, magnitudini e grandezze fotometriche. Sistemi di acquisizione CCD. Tecniche fotometriche. Cenni base di spettroscopia. 

- Radiostronomia: Progetto di osservazione e analisi dati  

- Progetto di osservazione e fotometria nel visibile 

  

RADIAZIONE ELETTROMAGNETICA DI ALTA ENERGIA 

- Processi di emissione di radiazione X e gamma. Meccanismi di interazione radiazione materia ad alte energie e tecniche di rivelazione nell’astrofisica X e gamma. Polarimetria X. Principali rivelatori di raggi X e gamma e principali sorgenti astrofisiche alle alte energie.  

- Progetto di analisi dati su osservazione multifrequenza di raggi X e gamma da una sorgente transiente. Il caso dei Gamma Ray Burst 

  

ONDE GRAVITAZIONALI 

Cenni di relatività generale e introduzione alle onde gravitazionali. Principali sorgenti di onde gravitazionali e stato delle osservazioni.  Rivelatori di onde gravitazionali, dalle  barre risonanti agli interferometri. Il problema del rumore. Formato dati e analisi dei segnali gravitazionali. Tecniche di rivelazione: Matched filtering e excess power. Stima dei parametri. 

- Progetto di analisi dati di coalescenza di un sistema binario compatto. 

  

ASTROFISICA MULTIMESSAGGERA MODERNA 

- Principali sorgenti multimessaggere. Ruolo, motivazione e breve storia dell’astrofisica multimessaggera. 

-Stato dell’arte delle osservazioni multimessaggere. Luce e onde gravitazionali. Il ruolo dei GRB. Osservazioni e risultati dall’evento GW170817. 

-Il ruolo dell’astrofisica neutrinica. Processi di emissione e risultati osservativi. 

 

INTRODUZIONE AI METODI DI ANALISI MODERNI BASATE SU MACHINE LEARNING   

Introduzione alle tecniche di machine learning. Principali tipologie di algoritmi. Struttura di un algoritmo di machine learning. Esempi di applicazioni di metodi di machine learning in ambito multimessaggero. 

Syllabus

INTRODUCTION

- Basic quantities in astrophysics. Introduction to the multifrequency astrophysics. Catalogs, data format and online resource for multifrequency astrophysics. Introdution to the multimessenger astrophysics, motivation and main results. Object-oriented programming in Python and astronomy libraries. 

-Introduction to data analysis with Python. How to read and manipulate astrophysical data with Numpy, Scipy, Pandas, Astropy.  

-The FITS data format 

-Basics of object oriented programming with Python 

- Modern version control softwares to manage data analysis projects. 

- Simple introductory projects on Python for reading and manipulating astrophysical data.  

  

LOW-ENERGY ELECTROMAGNETIC RADIATION – RADIO WAVES AND VISIBLE LIGHT 

- Emission processes in radio domain. Equation of radiative transfer. Black body spectrum, non thermal emission. Main astrophysical sources. Radio waves detection and radiotelescopes. Main characteristics of radiotelescopes 

- Observational techniques in visible light: Basics of geometrical optics and optical configurations of telescopes. Main characteristics of telescopes: optics and mounts. Fluxes, magnitudes and phometric systems. CCD acquisition systems. Photometric techniques. Basics of spectroscopy. 

- Radioastronomy: Observations and ata analysis project. 

- Observations and photometry in visible light 

  

HIGH-ENERGY ELECTROMAGNETIC RADIATION 

- X and gamma ray emission processes. Interaction radiation-matter at high energies and X-ray and gamma-ray detection methods. X-ray polarimetry. Main X and gamma ray detectors and main high-energy astrophysical sources. 

- Data analysis project on multiwavelenght X-ray and gamma ray analysis of a transient source. The case of Gamma Ray Bursts. 

  

GRAVITATIONAL WAVES   

Introduction to general relativity and to gravitational waves. Main gravitational wave sources and state of the art of the observations. Detectors, from resonant bars to interferometers. The problem of noise.  Data format and analysis of gravitational waves  Detection techniques: matched filtering and excess power. Parameter estimation. 

- Data analysis project on compact binary system coalescence. 

 

MODERN MULTIMESSENGER ASTROPHYSICS 

- Main multimessenger sources. The role and motivation of multimessenger astrophysics. Brief history of multimessenger astrophysics 

- State of the art of multimessenger observations. Light and gravitational waves. The role of GRBs. Observations and results on the GW170817 event 

- The role of neutrino astrophysics. Emission processes and observational results 

 

INTRODUCTION TO MODERN ANALYSIS METHODS BASED ON MACHINE LEARNING 

Introduction to machine learning techniques. Principal typologies of algorithms. Structure of a machine learning algorithm. Sample applications of machine learning on multimessenger Physics. 

Bibliografia e materiale didattico

Libri di testo universitari di metodi sperimentali in astrofisica e fisica multimessaggera, astrofisica delle alte energie e di fisica delle onde gravitazionali (parti relative ai metodi sperimentali e all’analisi dei dati).

In particolare: 

- Smith, "Observational Astrophysics", Cambridge University Press. 

- Chromey, "To measure the sky", Cambridge University Press. 

- Longair, M. “High Energy Astrophysics”, Cambridge Ed. 

- Maggiore, M. “Gravitational Waves, Vol. 1”, Oxford Ed. 

- Creighton, D.E. & Anderson, W. G., “Gravitational-Wave Physics and Astronomy”, Wiley Ed.  

- Manuali e risorse online sulla programmazione in Python e sull’uso dei software di riduzione dati impiegati nel corso.

Bibliography

University-level textbooks on experimental methods in astrophysics and multimessenger physics, of high-energy astrophysics and gravitational wave physics (chapters on data analysis). 

In particular: 

- Smith, "Observational Astrophysics", Cambridge University Press 

- Chromey, "To measure the sky", Cambridge University Press. 

- Longair, M. “High Energy Astrophysics”, Cambridge Ed. 

- Maggiore, M. “Gravitational Waves, Vol. 1”, Oxford Ed. 

- Creighton, D.E. & Anderson, W. G., “Gravitational-Wave Physics and Astronomy”, Wiley Ed. 

- Manuals and online resources on Python programming and on the software of data reduction used during the course.

Modalità d'esame

L'esame consiste in una prova orale in cui vengono descussi i progetti di analisi dati realizzati durante il corso. Le relazioni sui singoli progetti sono il punto di partenza per l’approfondimento delle tematiche sperimentali trattate nel corso. In base alle restrizioni previste in conseguenza della situazione di pandemia agli studenti sarà fornita una piattaforma dove poter sviluppare i progetti di analisi proposti.

Assessment methods

Assessment is done through an oral exam, where the data analysis projects carried on during the course are discussed. The laboratory reports on the single projects are the starting point for a broader discussion on the topics of the course. As a consequence of the restrictions related to the pandemic we will provide to the students a platform for the online development of the projects. 

Updated: 13/09/2023 17:29