Diese Arbeit untersucht Neural Networks Quantum States zur Simulation der zeitlichen Entwicklung von Quantensystemen. Wir stellen eine Optimierungsmethode vor, die auf einem Gradientenabstieg basiert und auf eine numerische Integrationskostenfunktion angewendet wird. Dieser Ansatz bietet im Vergleich zur Stochastic Reconfiguration eine weniger empfindliche Alternative. Wir untersuchen auch einen Optimierungsansatz für die Quantenprozesstomographie, um die Anzahl der erforderlichen Messungen zu reduzieren, wobei der Takens Theorem das zugrunde liegende mathematische Rahmenwerk ist.     «

Diese Arbeit untersucht Neural Networks Quantum States zur Simulation der zeitlichen Entwicklung von Quantensystemen. Wir stellen eine Optimierungsmethode vor, die auf einem Gradientenabstieg basiert und auf eine numerische Integrationskostenfunktion angewendet wird. Dieser Ansatz bietet im Vergleich zur Stochastic Reconfiguration eine weniger empfindliche Alternative. Wir untersuchen auch einen Optimierungsansatz für die Quantenprozesstomographie, um die Anzahl der erforderlichen Messungen zu r...     »