Diese Dissertation beschäftigt sich mit der Anwendung von Tensornetzwerkmethoden auf Fragen der Quantenvielteilchentheorie und des maschinellen Lernens. Sie trägt zur Theorie unendlich-dimensionaler Tensornetzwerke bei, welche Gittermodelle mit kritischen Eigenschaften oder Eigenschaften fraktionaler Quanten-Hall Systeme definieren. Die Eignung künstlicher neuronaler Netze für die Darstellung solcher Zustände wird untersucht und es werden Verbindungen zu Tensornetzwerken identifiziert, welche sowohl bei der Untersuchung von Quantenzuständen als auch im Bereich des maschinellen Lernens Anwendung finden.
«
Diese Dissertation beschäftigt sich mit der Anwendung von Tensornetzwerkmethoden auf Fragen der Quantenvielteilchentheorie und des maschinellen Lernens. Sie trägt zur Theorie unendlich-dimensionaler Tensornetzwerke bei, welche Gittermodelle mit kritischen Eigenschaften oder Eigenschaften fraktionaler Quanten-Hall Systeme definieren. Die Eignung künstlicher neuronaler Netze für die Darstellung solcher Zustände wird untersucht und es werden Verbindungen zu Tensornetzwerken identifiziert, welche so...
»