Zur Seitennavigation oder mit Tastenkombination für den
accesskey
-Taste und Taste 1
Zum Seiteninhalt oder mit Tastenkombination für den
accesskey
und Taste 2
S
tartseite
A
nmelden
Sommer 2024
Hilfe
Sitemap
Impressum
Datenschutz
node1
Studentisches Leben
Veranstaltungen
Einrichtungen
Räume und Gebäude
Personen
Forschung
Startseite
Publikation: Dissertationsschrift
Analyzing and controlling large nanosystems with physics-trained neural networks
Grunddaten
Abstract
Autoren
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
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