Understanding Collisions in Planetary Systems by Computational Modeling

DSpace Repositorium (Manakin basiert)


Dateien:

Zitierfähiger Link (URI): http://hdl.handle.net/10900/174175
http://nbn-resolving.org/urn:nbn:de:bsz:21-dspace-1741751
http://dx.doi.org/10.15496/publikation-115500
Dokumentart: Dissertation
Erscheinungsdatum: 2026-01-21
Sprache: Englisch
Fakultät: 7 Mathematisch-Naturwissenschaftliche Fakultät
Fachbereich: Physik
Gutachter: Schäfer, Christoph (PD Dr.)
Tag der mündl. Prüfung: 2025-11-24
DDC-Klassifikation: 004 - Informatik
500 - Naturwissenschaften
520 - Astronomie, Kartographie
530 - Physik
Schlagworte: Maschinelles Lernen , Stoß , Planetenentstehung , Simulation , Dynamik
Freie Schlagwörter:
machine learning
collision
planet formation
simulation
dynamics
Lizenz: http://tobias-lib.uni-tuebingen.de/doku/lic_ohne_pod.php?la=de http://tobias-lib.uni-tuebingen.de/doku/lic_ohne_pod.php?la=en
Zur Langanzeige

Inhaltszusammenfassung:

Während der Entstehung und Entwicklung von Planeten kommt es häufig zu Kollisionen mit anderen Himmelsobjekten, die von Mikrometeoriteneinschlägen bis hin zu größeren Zusammenstößen mit anderen Protoplaneten reichen. Diese Arbeit untersucht die Bedingungen, unter denen solche Ereignisse stattfinden, indem sie die orbitalen und physikalischen Eigenschaften von Körpern vor und nach der Kollision untersucht und die komplizierte Dynamik analysiert, die an diesen Wechselwirkungen beteiligt ist. Wir beginnen mit einer kurzen Zusammenfassung der wichtigsten Prinzipien der Planetenentstehung und stellen die in dieser Arbeit verwendeten Methoden vor. Unsere astrophysikalischen Beiträge umfassen eine Analyse kleinerer Einschläge auf den Jupitermonden Ganymed und Kallisto, eine Auswertung von Fragmenten aus Planetenkollisionen und die Zusammenstellung eines umfassenden Kollisionskatalogs, der ein breites Spektrum plausibler Anfangsbedingungen umfasst. Unsere methodischen Beiträge umfassen die Entwicklung und Verbesserung von numerischen Simulationstechniken für die Kollisionsmodellierung und die Analyse von großen Datenmengen durch die Anwendung moderner maschineller Lernverfahren. Unsere Ergebnisse stützen etablierte Theorien der Planetenbildung. Wir liefern verfeinerte Schätzungen der Einschlaggeschwindigkeiten auf Jupiters Eismonden und untersuchen die Flugbahnen von Fragmenten nach größeren Kollisionen. Mithilfe unser eigens entwickelten Simulationsmethode führen wir umfangreiche Parameterstudien von Planetenkollisionen durch. Die daraus resultierenden Daten werden verwendet, um moderne maschinelle Lernmethoden für eine schnelle und genaue Kollisionsbehandlung zu trainieren. Wir kommen zu dem Schluss, dass die Kombination von numerischen Simulationen mit maschinellem Lernen neue Wege in der theoretischen Astrophysik eröffnet und einen skalierbaren und vielseitigen Rahmen für die Erforschung der Feinheiten der Planetenbildung darstellt.

Abstract:

Throughout the formation and evolution of planets, collisions with other celestial objects are common, ranging from micrometeorite impacts to major encounters with other protoplanets. This study investigates the conditions under which such events occur, examining the orbital- and physical properties of pre- and post-collision bodies and analyzing the intricate dynamics involved in these interactions. We begin by shortly summarizing key principles of planet formation, as well as introducing the computational methodologies employed in this work. Our astrophysical contributions include an analysis of minor impacts on Jupiter’s icy moons, Ganymede and Callisto, an evaluation of post-collision fragments from pairwise planetary collisions, and the compilation of a comprehensive collision catalog spanning a broad range of plausible initial conditions. Methodologically, we advance the field by developing and refining numerical simulation techniques for collision modeling and enhancing large-scale data analysis through the application of modern machine learning approaches. Our findings support established theories of planet formation. We provide refined estimates of impact velocities onto Jupiter’s icy moons and study the trajectories of post-collision fragments after major collisions. Utilizing our numerical simulation framework, we conduct extensive parameter studies of planetary collisions. The resulting data is then employed to train modern machine learning methods for fast and accurate collision handling. We conclude that combining numerical simulations with machine learning opens up new pathways in theoretical astrophysics, representing a scalable and versatile framework for elucidating the intricacies of planet formation.

Das Dokument erscheint in: