GEco - Elementfeedback der massiven Sternentstehung
"Galaktic Ecology" untersucht mithilfe mehrerer Spektrallinien das dynamische interstellare Medium in einem breiten Spektrum von Umgebungen in der Milchstraße, den Magellanschen Wolken und anderen nahen Galaxien. Die großräumige spektrale Kartierung mit CHAI von Feinstrukturen und CO-Linien mit mittlerer bis hoher Anregung stehen im Mittelpunkt meiner Forschungsinteressen und -aktivitäten, da sie die Gasströme und -ansammlungen in Kernen und jungen Sternen nachzeichnen.
Ich bin Leiter des GEco-Wissenschaftsprojekts 'Chemical Feedback in the Milky Way' am CCAT-prime/FYST-Teleskop in Chile, dem zweithöchsten Teleskop der Welt, das die beste Übertragung aller Radioteleskope bieten wird. Für dieses Projekt stehen mehr als 4100 Stunden Beobachtungszeit zur Verfügung, um eine unvoreingenommene Untersuchung der Milchstraße in wichtigen atomaren und molekularen Kühlungslinien durchzuführen. Diese Daten können dann mit ergänzenden Studien über die Variation der Elementhäufigkeit in der Milchstraße aus UV-Absorptionsstudien und aus der Stellarspektroskopie kombiniert und korreliert werden. Auf diese Weise können Fragen wie die folgenden untersucht werden: Wird die detaillierte Variation der Elementhäufigkeit in der Galaxie durch die verschiedenen Phasen des ISM verfolgt? Was sind gute Tracer? Wie groß sind die räumlichen Ausmaße dieser Variationen und können wir ähnliche Variationen in der chemischen Entwicklung von Molekülwolken feststellen?
Um diese Fragen zu beantworten, benötigen wir ausgefeilte Modelle (Röllig, Szczerba, & Ossenkopf, 2013) und die Kalibrierung dieser Modelle ist nur mit einem Beobachtungsdatensatz möglich, der einen großen Teil der relevanten Parameterbereiche abdeckt. Dieses Langzeitprojekt wird viele spannende und nützliche Forschungsmöglichkeiten bieten, insbesondere für Studenten und junge Forscher. Astrophysik-Beobachtungen von Experten zu lernen und Teil eines großen internationalen Konsortiums zu sein, ist eine sehr wertvolle Erfahrung. Die Analyse großer Durchmusterungen ist ein komplexes Unterfangen, und moderne Datenanalysemethoden und Techniken des maschinellen Lernens werden von enormer Bedeutung sein. Wir haben bereits viel Erfahrung mit unüberwachten maschinellen Lernverfahren wie der Hauptkomponentenanalyse (PCA) und anderen gesammelt, um die Datenreduktion für die Daten des upGREAT-Heterodyn-Instruments an Bord des Stratosphärenobservatoriums für Infrarotastronomie (SOFIA) zu verbessern. Dies ist jedoch nur die Spitze des Eisbergs und wird für die Big-Data-Astronomie, die wir in GEco in Angriff nehmen, unerlässlich sein.
GEco Projektseite
Publikationen
- Okada et al. 2019
- Okada et al. 2013
- Pineda et al. 2012
- Okada et al. 2012
- Pineda et al. 2008
- Schulz et al. 2007
- Röllig et al. 2006