10.18453/rosdok_id00003781 Stielow, Thomas Gerhard Heinrich Thomas Gerhard Heinrich Stielow http://d-nb.info/gnd/1262432855 https://orcid.org/0000-0001-8624-4994 Universität Rostock 2022 500 Natural sciences 530 Physics 2022 en http://purl.uni-rostock.de/rosdok/id00003781 urn:nbn:de:gbv:28-rosdok_id00003781-2 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.