Supervisor at Deutsches Elektronen-Synchrotron (DESY) in Zeuthen: Dr. Habil. Karl Jansen / Mit Tensor Netzwerken (TN) untersuchen wir auf einem hexagonalen Gitter das Hubbard-Modell mit einem chemischen Potential. Wir zeigen, dass ein TN als Ansatz für die Zustände des Modells benutzt werden kann und präsentieren die berechneten Eigenschaften bei niedrigen Energien. Unser Algorithmus wendet eine imaginäre Zeitentwicklung auf einen fermionischen projected engangled pair state (PEPS) auf einem endlichen Gitter mit offenen Randbedingungen an. Der Ansatz kann auf einen spezifischen fermionischen Paritätssektor beschränkt werden, was es uns ermöglicht, den Grundzustand und den Zustand mit einem Elektron weniger zu simulieren. Mehrere in unserer Arbeit entwickelte Verbesserungen des Algorithmus führen zu einer erheblichen Steigerung der Effizienz und Genauigkeit. Wir messen Erwartungswerte mit Hilfe eines boundary matrix product state. Wir zeigen, dass Observablen in dieser Näherung mit einer weniger starken Trunkierung, als in der Literatur erwartet wird, berechnet werden können. Dies führt zu einer erheblichen Reduzierung der numerischen Kosten des Algorithmus. Für verschiedene Stärken der lokalen Wechselwirkung, sowie für mehrere chemische Potentiale berechnen wir die Energie, die Teilchenzahl und die Magnetisierung mit guter Genauigkeit. Wir zeigen die Abhängigkeit der Teilchenzahl vom chemischen Potential und berechnen die Energielücke. Wir demonstrieren die Skalierbarkeit zu großen Gittern mit bis zu 30 × 15 Gitterpunkten und machen Vorhersagen in einem Teil des Phasenraums, der für Monte-Carlo nicht zugänglich ist. Allerdings finden wir auch Limitierungen des Algorithmus aufgrund von Instabilitäten, die die Berechnungen im Paritätssektor behindern, welcher orthogonal zum Grundzustand ist. Wir diskutieren Ursachen und Indikatoren und schlagen Lösungen vor. Unsere Arbeit bestätigt, dass TN genutzt werden können, um den niederenergetischen Sektors des Modells zu erforschen. Dies eröffnet den Weg zu einem umfassenden Verständnis des Phasendiagramms. / Using tensor network (TN) techniques, we study the Hubbard model on a honeycomb lattice with a chemical potential, which models the electron structure of graphene. In contrast to Monte Carlo methods, TN algorithms do not suffer from the sign problem when a chemical potential is present. We demonstrate that a tensor network state can be used to simulate the model and present the calculated low energy properties of the Hubbard model. Our algorithm applies an imaginary time evolution to a fermionic projected entangled pair state (PEPS) on a finite lattice with open boundary conditions. The ansatz can be restricted to a specific fermionic parity sector which allows us to simulate the ground state and the state with one electron less. Several improvements of the algorithm developed in our work lead to a substantial performance increase of the efficiency and precision. We measure expectation values with a boundary matrix product state and show that observables can be calculated with a lower bond dimension of this approximation than expected from the literature. This decreases the numerical costs of the algorithm significantly. For varying onsite interactions and chemical potentials we calculate the energy, particle number and magnetization with good precision. We show the dependence of the particle number on the chemical potential and compute the single particle gap. We demonstrate the scalability to large lattices of up to 30 × 15 sites and make predictions in a part of the phase space that is not accessible to Monte Carlo methods. However, we also find limitations of the algorithm due to instabilities that spoil the calculations in the parity sector orthogonal to the ground state. We discuss the causes and indicators of such instabilities and propose solutions. Our work validates that TNs can be utilized to study the low energy properties of the Hubbard model on a honeycomb lattice with a chemical potential, thus opening the road to finally understand its phase diagram.