User: Guest  Login
Original title:
Tensor networks and machine learning for approximating and optimizing functions in quantum physics 
Translated title:
Tensornetzwerke und maschinelles Lernen für das Approximieren und Optimieren von Funktionen in der Quantenphysik 
Year:
2018 
Document type:
Dissertation 
Institution:
Fakultät für Informatik 
Advisor:
Huckle, Thomas (Prof. Dr.) 
Referee:
Huckle, Thomas (Prof. Dr.); Glaser, Steffen J. (Prof. Dr.); Hernández-Lobato, José Miguel (Prof., Ph.D.) 
Language:
en 
Subject group:
DAT Datenverarbeitung, Informatik; PHY Physik 
Keywords:
Tensor networks, machine learning, quantum physics 
Translated keywords:
Tensornetzwerke, maschinelles Lernen, Quantenphysik 
TUM classification:
MAT 650d; DAT 532d 
Abstract:
In this thesis, we explore the intersection of informatics and mathematics to address numerical problems in quantum physics. We introduce, analyze and evaluate novel methods for the approximation of physical quantities and the optimization of performance criteria in quantum control. These methods are based on techniques from the fields of tensor networks, numerical analysis and machine learning. Furthermore, we present work on the relation between machine learning and tensor network methods. 
Translated abstract:
Diese Arbeit erkundet die Schnittstelle von Informatik und Mathematik, um numerische Probleme der Quantenphysik zu lösen. Wir präsentieren, analysieren und evaluieren Methoden zur Approximation physikalischer Eigenschaften und zur Funktionsoptimierung in der Quantenkontrolle. Die Methoden nutzen Techniken aus den Gebieten der Tensornetzwerke, der numerischen Analysis und des maschinellen Lernens. Weiter präsentieren wir Ergebnisse zur Verbindung von maschinellem Lernen und Tensornetzwerken. 
Oral examination:
14.11.2018 
File size:
5066733 bytes 
Pages:
163 
Last change:
09.01.2019