Hola,
¿eres nuevo aquí?

Regístrate gratis y conecta tu empresa con financiación pública, partners y proyectos.

Tengo cuenta

Regístrate

Ver video

mlQuDyn

Financiado

Cerrado

Machine learning quantum dynamics

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 univers... ver más

30/06/2025

UAU

1M€

Presupuesto del proyecto: 1M€

Líder del proyecto

UNIVERSITAET AUGSBURG No se ha especificado una descripción o un objeto social para esta compañía.

Fecha límite participación Sin fecha límite de participación.

Ver 3 Participantes

Financiación concedida El organismo H2020 notifico la concesión del proyecto el día 2019-10-15

ERC-2019-STG: ERC Starting Grant Scope:Objectives

I+D

Cerrada hace 6 años

0% 100% 100%

Características del participante

Este proyecto no cuenta con búsquedas de partenariado abiertas en este momento.

Información adicional privada

No hay información privada compartida para este proyecto. Habla con el coordinador.

3 Participantes

UAU

1.06M€ | Lider

CARBURES DEFENSE

655.51K€ | Participante

MPG

433.22K€ | Participante

Conecta tu I+D

¿Tienes un proyecto y buscas un partner? Gracias a nuestro motor inteligente podemos recomendarte los mejores socios y ponerte en contacto con ellos. Te lo explicamos en este video

Duración del proyecto: 68 meses Fecha Inicio: 2019-10-15
Fecha Fin: 2025-06-30

Líder del proyecto

UNIVERSITAET AUGSBURG No se ha especificado una descripción o un objeto social para esta compañía.

Presupuesto del proyecto 1M€

Fecha límite de participación Sin fecha límite de participación.

Descripción del proyecto 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.

Conecta tu I+D

Entra hoy

¿Olvidé mi contraseña?

Financiación

Empresas

CTIs/Universidades

Proyectos

Investigadores