Optimizing the detection and observation of two classes of astrophysical transients

Transiente im astrophysikalischen Kontext bezeichnen Phänomene mit einer begrenzten Dauer, auf Zeitskalen, die für menschliche Beobachter zugänglich sind. Die Beobachtbarkeit von Transienten ist oft durch mehrere Faktoren limitiert, darunter ihre Häufigkeit und Verteilung im Universum, sowie die verfügbare Beobachtungszeit. In dieser Arbeit wird die Beobachtbarkeit von Transienten in zwei Anwendungen untersucht. Zunächst werden die Aussichten für die unabhängige Entdeckung von Kilonovae mit der bevorstehenden ULTRASAT-Mission untersucht. Im Anschluss wird eine Machine Learning Methode vorgestellt, die in der Lage ist, Blazar Flares verlässlich in Echtzeit zu identifizieren. Im Rahmen dieser Arbeit werden UV-Signale von Kilonovae und die entsprechende Detektorantwort des ULTRASAT-Teleskops simuliert. Es werden verschiedene Beobachtungsstrategien für die geplante Low-Cadence-Survey verglichen, um eine Schätzung für die Anzahl möglicher unabhängiger Kilonovadetektionen zu erhalten. Die erwartete Anzahl an Detektionen liegt zwischen weniger als einer und bis zu zwei pro Jahr, abhängig von der volumetrischen Kilonovarate. Der starke Einfluss der Wahl der Beobachtungsstrategie kann herausgestellt werden. Strategien, die täglich mehr Zeit in der Low-Cadence-Survey verbringen, und entsprechend mehr Himmel in weniger Zeit abdecken, übertreffen andere Strategien um einen Faktor von bis zu fünf. Im Gegensatz zu Kilonovae sind Flares von Blazaren, einer Unterart von Aktiven Galaxienkernen, häufig. Es wird eine auf Anomaly Detection basierende Machine Learning Methode präsentiert, die erhöhte Aktivität in Multiwellenlängenlichtkurven von Blazaren akkurat identifizieren kann, und diese mit einem signifikanzbasierten Anomaly Score quantifiziert. Anhand einer 4000-Tage-Lichtkurve der Quelle BL Lac werden historische Flares zur gleichen Zeit erfolgreich identifiziert, zu der auch die internationale Community diese entdeckte, in manchen Fällen sogar einige Tage früher.