Robust quantum dot charge autotuning with Bayesian Neural Networks - Archive ouverte HAL
Communication Dans Un Congrès Année : 2022

Robust quantum dot charge autotuning with Bayesian Neural Networks

Domaines

Sciences de l'ingénieur [physics]

Bertrand Vilquin  : Connectez-vous pour contacter le contributeur

https://hal.science/hal-03717569

Soumis le : vendredi 8 juillet 2022-11:43:20

Dernière modification le : lundi 16 décembre 2024-15:40:32

Fichier non déposé

Dates et versions

hal-03717569 , version 1 (08-07-2022)

Identifiants

  • HAL Id : hal-03717569 , version 1

Citer

Victor Yon, Stefanie Czischek, Yann Beilliard, Michel Pioro-Ladrière, Gaudreau Louis, et al.. Robust quantum dot charge autotuning with Bayesian Neural Networks. Machine Learning in Natural Sciences: from Quantum Physics to Nanoscience and Structural Biology, Sep 2022, Hamburg, Germany. ⟨hal-03717569⟩

Exporter

BibTeX XML-TEI Dublin Core DC Terms EndNote DataCite

Collections

UGA CNRS INSA-LYON EC-LYON LN2 INSA-GROUPE UDL LN2-ELEC
31 Consultations
0 Téléchargements

Partager

More