zum Inhalt


Thomas Gerhard Heinrich Stielow

Analyzing and controlling large nanosystems with physics-trained neural networks

Universität Rostock, 2022

https://doi.org/10.18453/rosdok_id00003781

Abstract: 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.

Dissertation   Freier Zugang    


Portale

OPACGVKDataCite Commons

Rechte

alle Rechte vorbehalten

Das Werk darf ausschließlich nach den vom deutschen Urheberrechtsgesetz festgelegten Bedingungen genutzt werden.