Faglige interesser
Universet rett etter big bang - kvarkgluonplasma
I rundt et mikrosekund etter big bang var temperaturen og tettheten så høy at kvarker og gluoner fløt fritt omkring i et plasma. Ettersom universet utvidet seg og dermed ble avkjølt, klumpet kvarker og gluoner seg sammen til protoner og nøytroner, som igjen klumpet seg sammen til atomkjerner. Vi består alle av avkjølt kvarkgluonplasma!
For å få mer kunnskap om kvarkgluonplasma gjenskaper vi forholdene i det tidlige universet – ekstremt varmt og ekstremt tett – ved å kollidere ultrarelativistiske tung-ioner. I ALICE detektoren (A Large Ion Collider Experiment) ved CERN kollideres bly-ioner ved svært høye energier, og det dannes et svært varmt og tett, sterk vekselvirkende plasma. Kvarkgluonplasmaet som skapes i kollisjonsområdet har enormt kort levetid (10E-24 sekunder), og kan derfor ikke studeres direkte.
En måte å forske på plasmaet er ved å se på hvordan kvarker, som har fargeladning, taper energi på veien gjennom mediumet. I doktorgradsprosjektet mitt forsker jeg på hvordan bunnkvarken påvirkes på sin ferd gjennom kvarkgluonplasmaet. Bunnkvarker kan bindes til et b meson, som henfaller til et kaon og et \(J/\psi\) meson. Ved å lete i dataen fra ALICE etter \(J/\psi\) mesoner, og parre disse opp med kaon kandidater, kan jeg reprodusere b mesonene. B mesonenes energifordeling kan jeg bruke til å forske på egenskapene til kvarkgluonplasmaet. Mye av analysen gjør jeg på data fra 2015-2018 fra CERN, men hensikten er å gjøre dette med et større datasett. Prosjektet avsluttes i 2025.
Mer om doktorgradsprosjektet mitt i denne artikkelen fra titan.uio.no.
Statistikk og maskinlæring
Maskinlæring er et viktig verktøy for meg som fysiker. Ettersom verktøy utviklet i fysikkfaget tas i bruk i stadig større deler av samfunnet, må vi få mer kunnskap om hvordan vi kan formidle usikkerhet og svakheten i verktøyene. Jeg er interessert i tema som rettferdighet og forklarbarhet i maskinlæring, og har tidligere jobbet med dette i NAV IT.
Astropartikkelfysikk: nøytrinoer
Mitt hjertebarn blant elementærpartiklene er nøytrinoet. Da jeg tok mastergraden min ved Niels Bohr Instituttet i København jobbet jeg på to eksperimenter som på hver sin måte detekterer nøytrinoer: IceCube og ARIANNA ved DESY. Nøytrinoer dannes blant annet når kosmisk stråling treffer atomer i atmosfæren. Fysikken i disse kollisjonene har mange fellestrekk med kollisjonene vi forsker på i ALICE, og det var et ønske om å forstå denne fysikken bedre som ledet meg til mitt nåværende doktorgradsprosjekt.
Resultatet av masteroppgaven min var en ny metode for å beregne antallet nøytrinoer som dannes i atmosfæren — en metoden som nå brukes i alle studier av nøytrinooscillasjoner ved IceCube. Du kan lese mer om dette i en artikkel jeg skrev I Fysikkens Verden.
Undervisning
- Gruppelærer i FYS2130 - Svingninger og bølger (2021, 2022, 2023)
- Gruppelærer i FYS-STK4155 – Anvendt dataanalyse og maskinlæring (2022, 2023)
- Foreleser MNKOM9010 — Communicating Science (2022, 2023)
Formidling
Jeg holder jevnlig foredrag for skoleklasser, lærere og andre om partikkelfysikk. Jeg har gjestet Abels tårn i NRK P2, og lager også en podcast, "God fysikk", som du kan lytte til under.
Utdanning og arbeidserfaring
- 2020 – d.d.: Doktorgradsstipendiat, Universitetet i Oslo
- 2019 – 2020: Data Scientist, NAV IT
- 2018: Summer Internship, ARIANNA Experiment, DESY
- 2017 – 2019: M. Sc. i fysikk, Niels Bohr Instituttet
- 2017: Summer internship, CERN
- 2014 – 2017: B. Sc. i fysikk, Universitetet i Bergen
- 2012 – 2014: B. Sc. i historie, Universitetet i Bergen