Zur Seitennavigation oder mit Tastenkombination für den accesskey-Taste und Taste 1 
Zum Seiteninhalt oder mit Tastenkombination für den accesskey und Taste 2 
Startseite    Anmelden     
Sommer 2024    Hilfe  Trennstrich  Sitemap  Trennstrich  Impressum  Trennstrich  Datenschutz  Trennstrich  node1  Trennstrich  Switch to english language

Publikation: Dissertationsschrift

Analyzing and controlling large nanosystems with physics-trained neural networks


Grunddaten

Titel Analyzing and controlling large nanosystems with physics-trained neural networks
Erscheinungsjahr 2022
Verlag Universität Rostock
Verlagsort Rostock
Publikationsform Elektronische Ressource
Publikationsart Dissertationsschrift
Sprache Englisch
DOI 10.18453/rosdok_id00003781
Letzte Änderung 21.07.2022 06:02:05
Bearbeitungsstatus durch UB Rostock abschließend validiert
Dauerhafte URL http://purl.uni-rostock.de/fodb/pub/68379
Links zu Katalogen Diese Publikation in der Universitätsbibliographie Diese Publikation im GBV-Katalog

Abstract

In dieser Arbeit wird untersucht, wie Neuronale Netze genutzt werden können, um die Auswertung von Experimenten durch Minimierung des Simulationsaufwandes beschleunigen zu können. Für die Rekonstruktion von Silber-Nanoclustern aus Einzelschuss-Weitwinkel-Streubildern können diese bereits aus kleinen Datenätzen allgemeine Rekonstruktionsregeln ableiten und ermöglichen durch direktes Training auf der Streuphysik unerreichte Detailtiefen. Für Giant-Dipole-Zustände von Rydbergexzitonen in Kupferoxydul wird mittels Deep Reinforcement Learning ein Anregungsschema aus Simulationen hergeleitet.

Autor

Stielow, Thomas Link zur UB Rostock Link zum GBV-Katalog