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.
Übersetzte Kurzfassung:
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.