Computational challenges in many-particle simulations of extreme matter

Maximilian Tobias Schörner

doi:10.18453/rosdok_id00004533

Maximilian Tobias Schörner

Computational challenges in many-particle simulations of extreme matter

Universität Rostock, 2023

https://doi.org/10.18453/rosdok_id00004533

Abstract: Ein tiefgreifendes Verständnis der Eigenschaften warmer dichter Materie ist wichtig, um die Geheimnisse der Planeten- und Sternentstehung sowie Evolution zu enträtseln und die Trägheitsfusion als potenzielle Energiequelle zu etablieren. In dieser Arbeit werden moderne Ansätze des maschinellen Lernens angewandt, um die Möglichkeiten neuer Laser- und Röntgenanlagen zu nutzen. Im Zusammenhang mit Streuexperimenten wird der dynamische Strukturfaktor der Ionen und Elektronen verwendet, um Dichtefunktionaltheorie-Simulationen mit Streuexperimenten auf verschiedenen Energieskalen zu verbinden.

Dissertation Freier Zugang

Titel:

Computational challenges in many-particle simulations of extreme matter

Beteiligte Personen:

Maximilian Tobias Schörner[VerfasserIn]
	0000-0001-7925-8917
	1317257995
Ronald Redmer[AkademischeR BetreuerIn]
	136161324
	Universität Rostock
Siegfried Glenzer[AkademischeR BetreuerIn]
	172759005
	Stanford University
Sandro Scandolo[AkademischeR BetreuerIn]
	International Centre for Theoretical Physics
Thomas Tschentscher[AkademischeR BetreuerIn]
	European XFEL

Beteiligte Körperschaften:

Universität Rostock[Grad-verleihende Institution]
	38329-6
Universität Rostock. Mathematisch-Naturwissenschaftliche Fakultät[Grad-verleihende Institution]
	2147083-2

Zusammenfassung:

A profound understanding of warm dense matter properties is essential to unraveling the mysteries of planetary and stellar formation, evolution, and interior structure, as well as establishing inertial confinement fusion as a potential energy source. This thesis employs modern machine-learning approaches to leverage the capabilities of new laser and X-ray facilities. In the context of scattering experiments, the dynamic structure factor of the ions and electrons is employed to connect density functional theory simulations with scattering experiments on different energy scales. [Englisch]

Ein tiefgreifendes Verständnis der Eigenschaften warmer dichter Materie ist wichtig, um die Geheimnisse der Planeten- und Sternentstehung sowie Evolution zu enträtseln und die Trägheitsfusion als potenzielle Energiequelle zu etablieren. In dieser Arbeit werden moderne Ansätze des maschinellen Lernens angewandt, um die Möglichkeiten neuer Laser- und Röntgenanlagen zu nutzen. Im Zusammenhang mit Streuexperimenten wird der dynamische Strukturfaktor der Ionen und Elektronen verwendet, um Dichtefunktionaltheorie-Simulationen mit Streuexperimenten auf verschiedenen Energieskalen zu verbinden. [Deutsch]

Dokumenttyp:

Dissertation

Einrichtung:

Mathematisch-Naturwissenschaftliche Fakultät

Sprache:

Englisch

Sachgruppe der DNB:

500 Naturwissenschaften

530 Physik

Veröffentlichung /
Entstehung:

Rostock

Rostock: Universität Rostock