Maskininlärning och kvantmekanik

Sammanfattning: Syftet med rapporten är att redovisa för hur maskininlärning kan användas för att approximera grundtillståndsenergin av kvantsystemet som motsvaras av partikeln i en låda. Ett nätverk med radialbasfunktioner har använts med nätverket som en representation av variationsvågfunktionen. Vikterna i nätverket har uppdaterats så att väntevärdet av energin minimeras. Energiminimeringen har utförts med hjälp av variations-Monte Carlo-metoden. Lösningsmetoden som presenteras har gett en bra approximation för grundtillståndsenergin av partikeln i en låda. Metoden fungerar också när en störning i form av en linjär potential är tillagd till systemet.