KIP-Veröffentlichungen

Fur viele hochdimensionale Probleme bietet maschinelles Lernen sehr erfolgreiche
Ansatze. Wir wollen das nutzen um die Lindblad-Gleichung fur viele Teilchen zu
losen. Die Gleichung berucksichtigt neben dem eigentlichen System noch die
Interaktionen mit der Umgebung, wehalb sie bestens geeignet ist, realistische
experimentelle Szenarien zu simulieren. Wir werden in dieser Arbeit einen Variationsansatz
mit einem neuronalen Netzwerk prasentieren und untersuchen. Das Netzwerk
wird mit maschinellem Lernen optimiert, wobei wir testen werden wie ezient
diese Methode ist.

For many high dimensionality problems, machine learning has shown great success.
We will use this to solve the many-body Lindblad equation. This equation
includes coupling with an environment and is therefore well suited to simulate
realistic experimental scenarios. We present and investigate a variational neural
network ansatz, to represent mixed states. Lastly we show how to use machine
learning techniques to train the neural network and test the eciency of those
schemes.