Servicenavigation

Detailseite

Zurück

Projekt Druckansicht

FOR 5919:  Maschinelles Lernen für komplexe Quantenzustände

Fachliche Zuordnung Physik
Förderung Förderung seit 2026
Projektkennung Deutsche Forschungsgemeinschaft (DFG) - Projektnummer 550495627
 
Moderne Quantensimulatoren ermöglichen die Untersuchung komplexer Quantenzustände in bisher unerreichter Detailtiefe. Zusammen mit der kontinuierlichen Weiterentwicklung numerischer Methoden haben diese bahnbrechenden Experimente es ermöglicht, seit langem bestehende Probleme anzugehen und neue Phänomene der Quanten-Vielteilchenphysik zu entdecken. Ein besonders vielversprechender Aspekt modernster experimenteller und rechnergestützter Methoden ist der direkte Zugang zu charakteristischen Besonderheiten der Vielteilchen-Quantenmechanik, nämlich (i) die hochdimensionale Darstellung von Quanteninformation in Form klassischer Daten, (ii) die unvermeidliche Rückkopplung, die den Quantenzustand bei Messungen beeinflusst, und (iii) die Entstehung von Verschränkung in quantendynamischen Prozessen. Diese beeindruckenden Fortschritte führen gleichzeitig zu neuen Herausforderungen. Beispielsweise lösen Messungen von Quantensimulatoren die Fluktuationen einzelner Freiheitsgrade auf. Es ist eine offene Frage, wie die enthaltenen Informationen über Korrelationen höherer Ordnung optimal für physikalische Erkenntnisse genutzt werden können. Darüber hinaus erfordern die präzisen Kontrollmöglichkeiten – insbesondere das neue Paradigma der quantenklassischen Rückkopplung – schwer zu findende Steuerungsstrategien. Viele dieser Herausforderungen passen zu den bewährten Stärken des maschinelles Lernens (ML) in der Mustererkennung, Dimensionsreduktion und Strategiefindung. Das zentrale Ziel dieser Forschungsgruppe (FOR) ist es, die Grundlagenforschung komplexer Quantensysteme sowohl in Theorie als auch Experiment durch einen kollaborativen und interdisziplinären Ansatz an der Schnittstelle von Quantenphysik und ML voranzutreiben. Konkret zielt die Initiative darauf ab, neue Wege zur Untersuchung von Verschränkungsstrukturen und nichtlokaler Ordnung für die Charakterisierung komplexer Quantenzustände zu finden. Weitere Forschungsfragen zielen auf Informationsausbreitung und Äquilibrierung in komplexer Quantendynamik, sowie die kontrollierte Erzeugung von Verschränkung. Um den State of the Art voranzutreiben, ist es das Ziel der Forschungsgruppe, neuartige, auf maschinellem Lernen basierende Lösungen an verschiedenen Fronten zu entwickeln, darunter Auslese- und Datenverarbeitungsstrategien für Quantensimulatoren, neue rechnergestützte Methoden für Nichtgleichgewichtsdynamik basierend auf Neuronale-Netze-Wellenfunktionen und alternative Frameworks für quanteninteraktive Dynamik basierend auf Reinforcement Learning. Durch die Behandlung verschiedener physikalischer Probleme soll aufgezeigt werden, wo ML als zentraler Baustein den Unterschied für wissenschaftlichen Fortschritt machen kann. Die FOR wird die Community an der Schnittstelle von ML und Quantenphysik nachhaltig beeinflussen, indem sie regelmäßige wissenschaftliche Veranstaltungen organisiert, ein vielfältiges Forschungsumfeld fördert und zur Standardisierung des Austauschs von Forschungsdaten beiträgt.
DFG-Verfahren Forschungsgruppen
Internationaler Bezug Schweiz

Projekte

 
 

Zusatzinformationen

© 2026 DFG Kontakt / Impressum / Datenschutz

Textvergrößerung und Kontrastanpassung