@Book{1810125839,
author="Stielow, Thomas Gerhard Heinrich",
title="Analyzing and controlling large nanosystems with physics-trained neural networks",
year="2022",
address="Rostock",
abstract="In dieser Arbeit wird untersucht, wie Neuronale Netze genutzt werden k{\"o}nnen, um die Auswertung von Experimenten durch Minimierung des Simulationsaufwandes beschleunigen zu k{\"o}nnen. F{\"u}r die Rekonstruktion von Silber-Nanoclustern aus Einzelschuss-Weitwinkel-Streubildern k{\"o}nnen diese bereits aus kleinen Daten{\"a}tzen allgemeine Rekonstruktionsregeln ableiten und erm{\"o}glichen durch direktes Training auf der Streuphysik unerreichte Detailtiefen. F{\"u}r Giant-Dipole-Zust{\"a}nde von Rydbergexzitonen in Kupferoxydul wird mittels Deep Reinforcement Learning ein Anregungsschema aus Simulationen hergeleitet.<ger>",
school="Universit{\"a}t Rostock",
note="vorgelegt von Thomas Stielow",
note="GutachterInnen: Stefan Scheel (Universit{\"a}t Rostock, Institut f{\"u}r Physik) ; J{\"o}rg Main (Universit{\"a}t Stuttgart, Institut f{\"u}r Theoretische Physik 1)",
note="Dissertation Universit{\"a}t Rostock 2022",
doi="10.18453/rosdok_id00003781",
url="http://purl.uni-rostock.de/rosdok/id00003781",
url="https://nbn-resolving.org/urn:nbn:de:gbv:28-rosdok_id00003781-2",
url="https://d-nb.info/1293538116/34",
url="https://doi.org/10.18453/rosdok_id00003781",
language="English"
}