%0 Book
%T Analyzing and controlling large nanosystems with physics-trained neural networks
%A Stielow, Thomas Gerhard Heinrich
%D 2022
%C Rostock
%C Universität Rostock
%G English
%F 1810125839
%O vorgelegt von Thomas Stielow
%O GutachterInnen: Stefan Scheel (Universität Rostock, Institut für Physik) ; Jörg Main (Universität Stuttgart, Institut für Theoretische Physik 1)
%O Dissertation Universität Rostock 2022
%X 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.<ger>
%L 500
%9 theses
%9 Text
%9 Hochschulschrift
%R 10.18453/rosdok_id00003781
%U http://purl.uni-rostock.de/rosdok/id00003781
%U https://nbn-resolving.org/urn:nbn:de:gbv:28-rosdok_id00003781-2
%U https://d-nb.info/1293538116/34
%U https://doi.org/10.18453/rosdok_id00003781