Skip to main content
Vai all'homepage della Commissione europea (si apre in una nuova finestra)
italiano italiano
CORDIS - Risultati della ricerca dell’UE
CORDIS

Machine learning quantum dynamics

Descrizione del progetto

Le reti neurali artificiali fanno luce sulla dinamica quantistica a molti corpi

Uno degli obiettivi fondamentali della teoria quantistica a molti corpi è l’identificazione del comportamento universale nella materia quantistica. Negli ultimi anni, la ricerca di fasi con nuove proprietà universali è stata rivoluzionata costringendo i sistemi fuori equilibrio, aprendo un universo di fenomeni inesplorati e nuovi paradigmi dinamici. Tuttavia, la descrizione teorica di tali stati quantistici di non equilibrio è rimasta una sfida fondamentale. L’obiettivo principale del progetto mlQuDyn, finanziato dall’UE, è di progredire in questa intrigante frontiera, utilizzando un approccio interdisciplinare a cavallo tra la teoria quantistica a molti corpi e l’apprendimento automatico. La migliore comprensione ottenuta nell’ambito di questo programma di ricerca fornirà approfondimenti su questioni fondamentali aperte riguardanti la comprensione teorica dei sistemi quantistici a molti corpi, oltre ad aumentare il potere predittivo della teoria quantistica per gli esperimenti.

Obiettivo

A key scope of quantum many-body theory is the identification of universal behavior in quantum matter, where macroscopic properties become independent of microscopic details. In recent years the quest for phases with novel universal properties has been revolutionized by forcing systems out of equilibrium, which has opened up a universe of unexplored phenomena and new dynamical paradigms. These developments not only hold the promise to theoretically uncover unrecognized universal dynamical behavior, but are also driven by the enormous advances in quantum simulators such as ultra-cold atoms, which have nowadays achieved unique capabilities in generating and probing such nonequilibrium quantum states. Still, their theoretical description is facing severe challenges. It is the aim of this proposal to take the theoretical understanding and predictive power of quantum many-body theory to a new level by an crossdisciplinary approach at the interface between quantum dynamics and machine learning.

The central element of this approach is to encode time-evolved quantum states into artificial neural networks, which have been remarkably successful in storing and recognizing complex structures in computer science. In order to reach the main goal we have identified three main challenges which form the core of the program: (i) to design efficient artificial network structures based on fundamental principles of quantum many-body systems such as locality and causality; (ii) to utilize concepts of many-body theory and statistical physics to understand the physical properties of artificial neural networks; (iii) to explore fundamental but yet inaccessible dynamical quantum phenomena and universal behavior in quantum dynamics. The successfully conducted research program will lift the description and understanding of quantum many-body dynamics to a new level, impacting significantly both quantum theory as well as future experiments.

Campo scientifico (EuroSciVoc)

CORDIS classifica i progetti con EuroSciVoc, una tassonomia multilingue dei campi scientifici, attraverso un processo semi-automatico basato su tecniche NLP. Cfr.: Il Vocabolario Scientifico Europeo.

È necessario effettuare l’accesso o registrarsi per utilizzare questa funzione

Parole chiave

Parole chiave del progetto, indicate dal coordinatore del progetto. Da non confondere con la tassonomia EuroSciVoc (campo scientifico).

Programma(i)

Programmi di finanziamento pluriennali che definiscono le priorità dell’UE in materia di ricerca e innovazione.

Argomento(i)

Gli inviti a presentare proposte sono suddivisi per argomenti. Un argomento definisce un’area o un tema specifico per il quale i candidati possono presentare proposte. La descrizione di un argomento comprende il suo ambito specifico e l’impatto previsto del progetto finanziato.

Meccanismo di finanziamento

Meccanismo di finanziamento (o «Tipo di azione») all’interno di un programma con caratteristiche comuni. Specifica: l’ambito di ciò che viene finanziato; il tasso di rimborso; i criteri di valutazione specifici per qualificarsi per il finanziamento; l’uso di forme semplificate di costi come gli importi forfettari.

ERC-STG - Starting Grant

Vedi tutti i progetti finanziati nell’ambito di questo schema di finanziamento

Invito a presentare proposte

Procedura per invitare i candidati a presentare proposte di progetti, con l’obiettivo di ricevere finanziamenti dall’UE.

(si apre in una nuova finestra) ERC-2019-STG

Vedi tutti i progetti finanziati nell’ambito del bando

Istituzione ospitante

UNIVERSITAET AUGSBURG
Contributo netto dell'UE

Contributo finanziario netto dell’UE. La somma di denaro che il partecipante riceve, decurtata dal contributo dell’UE alla terza parte collegata. Tiene conto della distribuzione del contributo finanziario dell’UE tra i beneficiari diretti del progetto e altri tipi di partecipanti, come i partecipanti terzi.

€ 1 058 271,16
Indirizzo
UNIVERSITAETSSTRASSE 2
86159 Augsburg
Germania

Mostra sulla mappa

Regione
Bayern Schwaben Augsburg, Kreisfreie Stadt
Tipo di attività
Higher or Secondary Education Establishments
Collegamenti
Costo totale

I costi totali sostenuti dall’organizzazione per partecipare al progetto, compresi i costi diretti e indiretti. Questo importo è un sottoinsieme del bilancio complessivo del progetto.

€ 1 058 271,16

Beneficiari (1)

Il mio fascicolo 0 0