Profile picture

Giuseppe Carleo

EPFL SB IPHYS CQSL
PH H2 477 (Bâtiment PH)
Station 3
1015 Lausanne

EPFL SB IPHYS CQSL
PH H2 477 (Bâtiment PH)
Station 3
1015 Lausanne

EPFL SB IPHYS CQSL
PH H2 477 (Bâtiment PH)
Station 3
1015 Lausanne

EPFL SB IPHYS CQSL
PH H2 477 (Bâtiment PH)
Station 3
1015 Lausanne

EPFL SB IPHYS CQSL
PH H2 477 (Bâtiment PH)
Station 3
1015 Lausanne

Twitter

https://twitter.com/gppcarleo

Formation

PhD

| in Theory and Numerical Simulation of the Condensed Matter

2007 – 2011 SISSA, International School for Advanced Studies, Trieste, Italy

Master in Physics

|

2005 – 2007 Sapienza University, Rome, Italy

Bachelor in Physics

|

2002 – 2005 Sapienza University, Rome, Italy

Publications représentatives

Solving the quantum many-body problem with artificial neural networks

Giuseppe Carleo, and Matthias Troyer
Published in Science, 355:602, 2017 in

Neural-network quantum-state tomography

Giacomo Torlai, Guglielmo Mazzola, Juan Carrasquilla, Matthias Troyer, Roger Melko, and Giuseppe Carleo
Published in Nature Physics, 14:447, 2018 in

Machine learning and the physical sciences

Giuseppe Carleo et al.
Published in Reviews of Modern Physics, 91:045002, 2020 in

Localization and Glassy Dynamics Of Many-Body Quantum Systems

Giuseppe Carleo, Federico Becca, Marco Schiró, and Michele Fabrizio
Published in Scientific Reports 2, 243 (2012) in

Neural-Network Approach to Dissipative Quantum Many-Body Dynamics

Michael J. Hartmann, and Giuseppe Carleo
Published in Phys. Rev. Lett. 122, 250502, 2019 in

Quantum Natural Gradient

James Stokes, Josh Izaac, Nathan Killoran, and Giuseppe Carleo
Published in Quantum 4, 269 (2020) in

Doctorant·es actuel·les

Linda Mauron, Gabriel Maria Pescia, Clemens Giuliani, David Linteau, Alessandro Sinibaldi, Imelda Romero, Gian Gentinetta, Samuele Piccinelli, Shao Hen Chiew

A dirigé les thèses EPFL de

Dian Wu, Julien Sebastian Gacon

Cours

Advanced computational physics

PHYS-339

Le cours couvre l'algèbre linéaire dense/creuse, les méthodes variationnelles en mécanique quantique et les techniques Monte Carlo. Les étudiants implémentent des algorithmes pour des problèmes physiques complexes. Allie théorie et exercices de programmation.

Computational quantum physics

PHYS-463

La simulation numérique des systèmes quantiques est essentielle en physique moderne. Ce cours offre une introduction aux approches de simulation principales, combinant cours théoriques et exercices pratiques, utilisant des ordinateurs classiques et quantiques.

Lecture series on scientific machine learning

PHYS-754

Ce cours présente des travaux sur la façon dont les questions scientifiques peuvent être abordées à l'aide de l'apprentissage automatique. L'apprentissage automatique permet d'extraire des connaissances à partir de données de manière automatisée. Nous apprendrons à partir d'exemples concrets.

Quantum physics IV

PHYS-426

Introduction à la formulation de la mécanique quantique comme une intégrale de chemin. Dérivation de l'expansion de perturbation des fonctions de Green en termes de diagrammes de Feynman. Plusieurs applications seront présentées, y compris certains effets non perturbateurs.