Shop : Details
Shop
Details
September 2025
eBook (PDF)
Emilio Corcione
Maschinelles Lernen in Optischen Quantensystemen
Optische Quantentechnologien versprechen in ausgewählten Bereichen eine disruptiv höhere Leistung. Dabei ist der Übergang von Forschung zu Entwicklung mit erheblichen Herausforderungen verbunden. Wo konventionelle Ansätze angesichts der Komplexität realer Quantensysteme an ihre Grenzen stoßen, bieten Methoden des maschinellen Lernens das Potenzial, effektiv zur Lösung praxisrelevanter Problemstellungen beizutragen. Diese Dissertation adressiert zwei Herausforderungen in diesem Kontext.
Der erste Schwerpunkt liegt auf der Optimierung photonischer Sensorik mittels datengetriebener Verfahren. Zur Lösung des inversen Problems der oberflächenverstärkten Infrarot-Spektroskopie wird eine Hauptkomponenten-Regression präsentiert, welche eine Selektivitätssteigerung von 60 % erzielt. Zur Sensitivitätssteigerung eines NV-Sensors wiederum wird ein spezialisiertes Filterverfahren für quasiperiodische Signale entwickelt. Dieses ermöglicht die Extraktion medizinisch relevanter Strukturen eines magnetokardiografischen Signals im niedrigen pT-Bereich.
Der zweite Schwerpunkt dieser Arbeit liegt auf der automatisierten Eignungsanalyse selbstorganisierter Quantenpunkte. Diese stellen eine zentrale Basistechnologie optischer Quantensysteme dar, zeigen jedoch eine starke Variabilität in ihrer räumlichen und spektralen Verteilung. Es wird eine datengetriebene Lösung konzipiert, die aus spektralen Kenngrößen und Autoencoder-Merkmalen eine minimal redundante, aber maximal relevante Darstellung ableitet. Über ein neuronales Regressionsmodell wird schließlich eine menschliche Bewertung mit einer Genauigkeit von 92 % repliziert.
Insgesamt zeigt diese Arbeit, wie datengetriebene Ansätze die Umsetzung optischer Quantentechnologien unterstützen und zu deren industrieller Skalierung beitragen können.
Der erste Schwerpunkt liegt auf der Optimierung photonischer Sensorik mittels datengetriebener Verfahren. Zur Lösung des inversen Problems der oberflächenverstärkten Infrarot-Spektroskopie wird eine Hauptkomponenten-Regression präsentiert, welche eine Selektivitätssteigerung von 60 % erzielt. Zur Sensitivitätssteigerung eines NV-Sensors wiederum wird ein spezialisiertes Filterverfahren für quasiperiodische Signale entwickelt. Dieses ermöglicht die Extraktion medizinisch relevanter Strukturen eines magnetokardiografischen Signals im niedrigen pT-Bereich.
Der zweite Schwerpunkt dieser Arbeit liegt auf der automatisierten Eignungsanalyse selbstorganisierter Quantenpunkte. Diese stellen eine zentrale Basistechnologie optischer Quantensysteme dar, zeigen jedoch eine starke Variabilität in ihrer räumlichen und spektralen Verteilung. Es wird eine datengetriebene Lösung konzipiert, die aus spektralen Kenngrößen und Autoencoder-Merkmalen eine minimal redundante, aber maximal relevante Darstellung ableitet. Über ein neuronales Regressionsmodell wird schließlich eine menschliche Bewertung mit einer Genauigkeit von 92 % repliziert.
Insgesamt zeigt diese Arbeit, wie datengetriebene Ansätze die Umsetzung optischer Quantentechnologien unterstützen und zu deren industrieller Skalierung beitragen können.
Schlagwörter: Maschinelles Lernen; Quantentechnologien; Signalverarbeitung; Photonik
Berichte aus dem Institut für Systemdynamik Universität Stuttgart
Herausgegeben von Prof. Dr.-Ing. O. Sawodny, Stuttgart
Band 86
Weitere Formate
Print-Version: 978-3-8191-0182-3
DOI 10.2370/9783819102592
Sie benötigen den Adobe Reader, um diese Dateien ansehen zu können. Hier erhalten Sie eine kleine Hilfe und Informationen, zum Download der PDF-Dateien.
Bitte beachten Sie, dass die Online-Dokumente nicht ausdruckbar und nicht editierbar sind.
Bitte beachten Sie auch weitere Informationen unter: Hilfe und Informationen.
Bitte beachten Sie auch weitere Informationen unter: Hilfe und Informationen.
| Dokument |  | Gesamtdokument | ||
| Dateiart |  | |||
| Kosten |  | 44,85 € | ||
| Aktion |  | Zahlungspflichtig kaufen und download der Datei | ||
| Dokument |  | Inhaltsverzeichnis | ||
| Dateiart | | |||
| Kosten |  | frei | ||
| Aktion |  | Download der Datei | ||
Benutzereinstellungen für registrierte Online-Kunden (Online-Dokumente)
Sie können hier Ihre Adressdaten ändern sowie bereits georderte Dokumente erneut aufrufen.
Benutzer
Nicht angemeldet
Shaker Verlag GmbH
Am Langen Graben 15a
52353 Düren
Am Langen Graben 15a
52353 Düren
Mo. - Do. 8:00 Uhr bis 16:00 Uhr
Fr. 8:00 Uhr bis 15:00 Uhr
Fr. 8:00 Uhr bis 15:00 Uhr
Kontaktieren Sie uns. Wir helfen Ihnen gerne weiter.
