Evert van Nieuwenburg
Universitair docent
- Naam
- Dr. E.P.L. van Nieuwenburg
- Telefoon
- +31 71 527 5523
- e.p.l.van.nieuwenburg@liacs.leidenuniv.nl
- ORCID iD
- 0000-0003-0323-0031
Evert is een computationeel natuurkundige die zijn aandacht richt op verschillende toepassingen van machine learning en kunstmatige intelligentie in de natuurkunde. Dat varieert van het detecteren van faseovergangen tot het geautomatiseerd en intelligent besturen van state of the art (quantum) experimenten. Hij bestudeert ook quantumalgoritmen en variationele quantumcircuits onder het thema quantum AI en quantumgames, en ontwikkelde Quantum TiqTaqToe.
Evert is een computationeel natuurkundige die zijn aandacht richt op verschillende toepassingen van machine learning en kunstmatige intelligentie in de natuurkunde. Dat varieert van het detecteren van faseovergangen tot het geautomatiseerd en intelligent besturen van state of the art (quantum) experimenten. Hij bestudeert ook quantumalgoritmen en variationele quantumcircuits onder het thema quantum AI en quantumgames, en ontwikkelde Quantum TiqTaqToe.
Universitair docent
- Wiskunde en Natuurwetenschappen
- Leiden Inst of Advanced Computer Science
- Benestad J., Krzywda J.A., Nieuwenburg E.P.L. van & Danon J. (2024), Efficient adaptive Bayesian estimation of a slowly fluctuating Overhauser field gradient, SciPost Physics 17: 014.
- Benestad J., Tsintzis A., Seoane Souto R., Leijnse M., Nieuwenburg E. van & Danon J. (2024), Machine-learned tuning of artificial Kitaev chains from tunneling spectroscopy measurements, Physical Review B 110: 075402.
- Berritta F., Krzywda J.A., Benestad J., van der Heijden J., FedeleF., FallahiS., Gardner GC., Manfra M.J., Nieuwenburg E.P.L. van., Danon J., Chatterjee A. & Kuemmeth F. (2024), Physics-informed tracking of qubit fluctuations, Physical Review Applied 22: 014033.
- Berritta F., Rasmussen T., Krzywda J.A., van der Heijden J., Fedele F., Nieuwenburg E.P.L. van & et al (2024), Real-time two-axis control of a spin qubit, Nature Communications 15: 1676.
- Meinerz K., Trebst S., Rudner M. & Nieuwenburg E.P.L. van (2024), The quantum cartpole: a benchmark environment for non-linear reinforcement learning, SciPost Physics 7(2): 026.
- Wauters M.M. & Nieuwenburg E. van (2022), Reusability report: comparing gradient descent and Monte Carlo tree search optimization of quantum annealing schedules, Nature Machine Intelligence 4(10): 810-813.
- Ontwikkelen educatieve programma's en outreach rond quantum games