Optimales Auslesen von Quantensimulatoren

• Antragstellerinnen / Antragsteller: Professorin Dr. Monika Aidelsburger; Professor Dr. Martin Gärttner; Professor Dr. Christof Weitenberg
• Fachliche Zuordnung: Optik, Quantenoptik und Physik der Atome, Moleküle und Plasmen ; Theoretische Physik der kondensierten Materie
• Förderung: Förderung seit 2026
• Projektkennung: Deutsche Forschungsgemeinschaft (DFG) - Projektnummer 550495627

Das Projekt entwickelt eine durch maschinelles Lernen verbesserte Technik zur Verbesserung der Verarbeitung von Daten aus Experimenten mit ultrakalten Atomen. Wir optimieren die Analyse von Fluoreszenz- und Absorptionsbildern in optischen Gitterexperimenten, bei denen ortsaufgelöste Atomzahlen und Phasen rekonstruiert werden sollen. Darüber hinaus entwickeln wir Methoden zur Rekonstruktion von (Sub-)Systemzuständen, die Vorwissen in Form von physikalischen Randbedingungen oder durch maschinelles Lernen inspirierte Variationsansatzfunktionen optimal ausnutzen. Schließlich entwickeln wir adaptive Messstrategien zur Wahl der optimalen Messeinstellungen auf der Grundlage früherer Beobachtungen des Systems. Mit Hilfe von Methoden des maschinellen Lernens können wir die prohibitive numerische Komplexität herkömmlicher Methoden überwinden. Im Einklang mit den gemeinsamen Zielen des RU wird diese Forschung neue Möglichkeiten für den Einsatz von Quantensimulationsexperimenten zur Erforschung der Physik komplexer Quanten-Vielteilchensysteme eröffnen.

• DFG-Verfahren: Forschungsgruppen
• Teilprojekt zu: FOR 5919: Maschinelles Lernen für komplexe Quantenzustände
• Mitverantwortliche: Professorin Dr. Annabelle Bohrdt; Professor Dr. Florian Kai Marquardt