Maskininlärning för kvantmekaniska problem

Sammanfattning: I den här artikeln undersökts hurvida maskininlärning kan vara till hjälp för att lösa fysika-liska problem. Detta undersöks genom att ett artificiellt neuralt nätverk implementeras ochtränas upp för att hitta energinivåerna för den harmoniska oscillatorn med och utan elekt-riskt fält. För att skapa nätverket användes radiella basfunktioner. Monte Carlo-metoderanvändes för stora beräkningar. Metoden visade sig fungera väl i vissa sammanhang menhade problem för stora elektriska fält. De problem som uppstod var att konvergensen blevinstabil med hopp i energin och att systemet inte alltid konvergerade mot rätt energi.