Titel: |
Analyzing and controlling large nanosystems with physics-trained neural networks |
|
Beteiligte Personen: |
|
Beteiligte Körperschaften: |
Universität Rostock[Grad-verleihende Institution] |
|
38329-6 |
Universität Rostock, Mathematisch-Naturwissenschaftliche Fakultät[Grad-verleihende Institution] |
|
2147083-2 |
|
|
Zusammenfassung: |
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.
[Deutsch] |
This thesis investigates the possible application of neural networks in accelerating
the evaluation of physical experiments while minimizing the required simulation effort.
Neural networks are capable of inferring universal reconstruction rules for reconstructing
silver nanoclusters from single wide-angle scattering patterns from a small set of
simulated data and when trained directly on scattering theory reaching unmatched accuracy.
A dynamic excitation for giant dipole states of Rydberg excitons in cuprous oxide
is derived through deep reinforcement learning interacting and simulation data.
[Englisch] |
|
Dokumenttyp: |
|
Einrichtung: |
Mathematisch-Naturwissenschaftliche Fakultät |
|
Sprache: |
|
Sachgruppe der DNB: |
500 Naturwissenschaften |
530 Physik |
|
|
Veröffentlichung / Entstehung: |
Rostock
Rostock: Universität Rostock
|
2022
|
|
Verantwortlichkeitsangabe: |
vorgelegt von Thomas Stielow |
|
|
Identifikatoren: |
|
|
Zugang: |
frei zugänglich (Open Access)
|
|
Lizenz/Rechtehinweis: |
alle Rechte vorbehalten Das Werk darf ausschließlich nach den vom deutschen Urheberrechtsgesetz festgelegten Bedingungen genutzt werden. |
|
|
RosDok-ID: |
rosdok_disshab_0000002780 |
erstellt / geändert am: |
13.07.2022 / 08.08.2023
|
Metadaten-Lizenz: |
Die Metadaten zu diesem Dokument sind gemeinfrei (CC0 1.0 Universal Public Domain Dedication). |