2. Abschattung Kosmischer Strahlung durch den Mond in IceCube

Zusammenfassung und Ausblick
7. Zusammenfassung und Ausblick
In dieser Bachelorarbeit mit dem Titel „Untersuchungen mit Graphik-Prozessoren (GPU) zur Messung
der Abschattung kosmischer Strahlung durch den Mond in IceCube“ wurde die Mondschattenanalyse
aus [11] auf Graphikprozessoren implementiert, um die Rechenzeit und die Auflösung
zu verbessern. Hierzu wurde der Vorteil der GPU, die parallele Berechnung vieler Threads bzw.
Gridpunkte, verwendet.
Als Minimierungsalgorithmus wurde eine Erweiterung des Brentalgorithmus gewählt. Ein Einfluss
der verwendeten Hardware konnte auf die Analyse des Mondschattens ausgeschlossen werden.
Ein Vergleich mit einer Mondschattenanalyse auf CPUs wurde gemacht. Hierbei wurden die
Fitergebnisse für On-Source und Off-Source verglichen. Es wurden durchweg konsistente Ergebnisse
mit den Analysen aus [11] von Jan Blumenthal erzielt.
Ein Performanzvergleich zwischen der GPU Analyse und der CPU-Cluster Analyse wurde besprochen.
Die GPU Analyse ist nicht nur wesentlich schneller, sondern bietet auch eine höhere
Auflösung.
Die Analyse mithilfe der GPU wurde für zwei Untersuchungen verwendet. So konnten keine signifikanten
Unterschiede zwischen symmetrischen und elliptischen Gausssignalmodell festgestellt
werden. Die Energieabhängigkeit wurde kurz qualitativ anhand eines NChannel-Schnittes behandelt.
Hierbei ist erkennbar, dass für große NChannel der Mondschatten schärfer ist als für kleine
NChannel. Diese energieabhängige Analyse sollte in Zukunft quantitativ durchgeführt werden.
Hieraus kann man Rückschlüsse auf den Einfluss des Erdmagnetfeldes und des Sonnenwindes sowie
auf die Güte der Rekonstruktion ziehen.
In den nächsten Jahren wird IceCube weitere Daten sammeln. Die Analyse dieser Daten wird
durch den Einsatz von GPUs wesentlich schneller erfolgen können. Momentan gibt es noch ein Datenlimit
von 1.6 GB auf der verwendeten GPU, doch die Industrie wird dieses Limit wahrscheinlich
schneller erhöhen als Daten in IceCube gesammelt werden können. Zudem ist es momentan möglich
nur Teildatensätze zu untersuchen, beispielsweise durch harte Schnitte oder monatsweise Analysen
durchzuführen, für die n s -Landschaften addiert werden können.
Die Vorteile der Analyse mit GPUs bei der Minimierung von Likelihoodfunktionen kann auch
in anderen Anwendungen eingesetzt werden. Generell wird der Einsatz von GPUs und ein neuer
Programmierstil, der auf Parallelität beruht, in den kommenden Jahren zunehmen, da die CPUs
nicht wesentlich schneller werden können.
38 RWTH Aachen