Wir untersuchen Netzwerke von Quantenoszillatoren. Im Zentrum steht dabei die Frage, ob sich spontan eine Ordnung einstellen kann, bei der sich Oszillatoren mit verschiedenen Schwingungsfreqenzen auf eine gemeinsame Frequenz 'einigen' (Synchronisierung). Falls viele
Schwinger an einem Netzwerk beteiligt sind, kann diese Ordnung sehr komplexe Formen annehmen. Eventuell beteiligt sich nur ein Teil des Netzwerks an der synchronisierten Schwingung
(Quanten-Chimära-Zustände), und wir wollen verstehen, was die Bedingungen für solche Muster in Quantennetzwerken sind.
Wir wollen dabei unter anderem ein neues theoretisches Werkzeug benutzen, sogenannte Methoden des 'unüberwachten Maschinellen Lernens'. Dabei werde künstliche neuronale Netze eingesetzt, um Synchronisierung oder andere Arten komplexer Ordnung in Netzwerken zu
untersuchen. Weiterhin soll Maschinelles Lernen auf das Problem der optimalen Kontrolle von offenen, d.h., dissipativen Quantensystemen angewandt werden.
We will explore novel aspects of quantum synchronization in networks of self-sustained oscillators. This includes even-odd effects in the number of levels of the synchronization nodes and the dependence on network topology (number of neighbors and interaction range). Another interesting direction that we will study is frustration effects and possible links to frustrated quantum spin systems. Furthermore, we will investigate symmetry-breaking pattern formation in synchronization networks (quantum chimera states). Using unsupervised machine-learning schemes, we will investigate phase diagrams of models that exhibit synchronization or other types of long-range order. We will also explore neural network architectures that involve physical insights and recent innovations in machine learning to compute steady states of driven dissipative quantum systems. Finally, we will continue our work on quantum control and will investigate the control of open quantum systems.
Last updated:19.06.2022
