Projekty finansowane przez NCN
Wielociałowa fizyka kwantowa z ultrazimnymi atomami i cząsteczkami: dokładna dynamika i uczenie maszynowe
2020/36/T/ST2/00588
Słowa kluczowe:
ultrazimne cząsteczki symulacje kwantowe ultrazimne atomy interpretowalne uczenie maszynowe
Deskryptory:
- ST2_8: Ultrazimne atomy i cząsteczki
- ST2_7: Fizyka atomowa i molekularna
- ST6_11: Uczenie maszynowe, statystyczne przetwarzanie danych i zastosowania w przetwarzaniu sygnałów (np. mowy, obrazów, filmów)
Panel:
ST2 - Podstawowe składniki materii: fizyka cząstek elementarnych, jądrowa, plazmy, atomowa, molekularna, gazów i optyczna
Kierownik projektu (z jednostki realizującej):
Liczba wykonawców projektu: 1
Konkurs: ETIUDA 8 - ogłoszony 2019-12-16
Przyznana kwota: 132 688 PLN
Rozpoczęcie projektu: 2021-02-01
Zakończenie projektu: 2022-01-31
Planowany czas trwania projektu: 12 miesięcy (z wniosku)
Status projektu: Projekt rozliczony
Opis Projektu
Pobierz opis projektu w formacie .pdf
Uwaga - opisy projektów zostały sporządzone przez samych autorów wniosków i w niezmienionej formie umieszczone w systemie.
Dane z raportu końcowego/rocznego
- Publikacje w czasopismach (4)
- Publikacje książkowe (1)
- Two ultracold highly magnetic atoms in a one-dimensional harmonic trapAutorzy:Michał Suchorowski, Anna Dawid, Michał TomzaCzasopismo:Physical Review A (rok: 2022, tom: 106, strony: 43324), Wydawca: American Physical SocietyStatus:OpublikowanaDoi:10.1103/PhysRevA.106.043324 - link do publikacji
- Unsupervised machine learning of topological phase transitions from experimental dataAutorzy:Niklas Käming, Anna Dawid, Korbinian Kottmann, Maciej Lewenstein, Klaus Sengstock, Alexandre Dauphin, Christof WeitenbergCzasopismo:Machine Learning: Science and Technology (rok: 2021, tom: 2, strony: 35037), Wydawca: IOP PublishingStatus:OpublikowanaDoi:10.1088/2632-2153/abffe7 - link do publikacji
- Hessian-based toolbox for reliable and interpretable machine learning in physicsAutorzy:Anna Dawid, Patrick Huembeli, Michał Tomza, Maciej Lewenstein, Alexandre DauphinCzasopismo:Machine Learning: Science and Technology (rok: 2021, tom: 3, strony: 15002), Wydawca: IOP PublishingStatus:OpublikowanaDoi:10.1088/2632-2153/ac338d - link do publikacji
- Introduction to Latent Variable Energy-Based Models: A Path Towards Autonomous Machine IntelligenceAutorzy:Anna Dawid, Yann LeCunCzasopismo:Journal of Statistical Mechanics: Theory and Experiment (rok: 2024, tom: nieznany, strony: nieznany), Wydawca: IOP PublishingStatus:Przyjęta do publikacji
- Autorzy:Anna Dawid, Julian Arnold, Borja Requena, Alexander Gresch, Marcin Płodzień, Kaelan Donatella, Kim Nicoli, Paolo Stornati, Rouven Koch, Miriam Büttner, Robert Okuła, Gorka Muñoz-Gil, Rodrigo A. Vargas-Hernández, Alba Cervera-Lierta, Juan Carrasquilla, Vedran Dunjko, Marylou Gabrié, Patrick Huembeli, Evert van Nieuwenburg, Filippo Vicentini, Lei Wang, Sebastian J. Wetzel, Giuseppe Carleo, Eliška Greplová, Roman Krems, Florian Marquardt, Michał Tomza, Maciej Lewenstein, Alexandre DauphinKsiążka:Machine learning in quantum sciences (rok: 2024, tom: nieznany, strony: nieznany), Wydawca: Cambridge University PressStatus:Przyjęta do publikacjiDoi:nieznany - link do publikacji