85 artículos
Este estudio revela que en cadenas de Hatano-Nelson desordenadas, la transición de la localización de Anderson está intrínsecamente ligada a cambios topológicos en el espectro de eigenvalores, donde un número de enrollamiento espectral no trivial en regímenes de desorden débil y crítico da lugar a estados completamente deslocalizados con longitudes de localización divergentes.
Este trabajo formaliza la pérdida de diversidad en modelos de difusión con guía libre de clasificadores como una distorsión generativa que surge de una transición de fase en regímenes de alta dimensión, y propone un nuevo esquema de programación con una ventana de guía negativa para mitigar este efecto mientras se preserva la separabilidad de clases.
Este artículo propone nuevos benchmarks rigurosos basados en problemas aleatorios desde una perspectiva de física estadística para evaluar redes neuronales gráficas en problemas de satisfacción de restricciones, demostrando que, en comparación justa, los algoritmos clásicos siguen superando a las redes neuronales.
Basándose en experimentos recientes de MoTe retorcido, este artículo desarrolla una teoría de bordes desordenados para aislantes topológicos fraccionarios con , revelando fases conductoras y aislantes inducidas por interacciones y demostrando que el transporte de borde de dos terminales es insuficiente para identificar estos estados.
Este artículo demuestra que las violaciones de las predicciones de la teoría de matrices aleatorias en observables locales, específicamente en la evolución de la información cuántica de Fisher y en una relación de fluctuación-disipación, pueden utilizarse como testigos efectivos para detectar la transición hacia comportamientos no ergódicos en sistemas cuánticos de muchos cuerpos, como la localización de muchos cuerpos, la integrabilidad y las cicatrices cuánticas.
Este estudio del modelo SYK abierto acoplado a un baño fermiónico pseudogap revela, mediante el formalismo de Keldysh, un diagrama de fases dinámico rico donde la disipación no markoviana y el caos interno compiten, dando lugar a regímenes de relajación algebraica, exponencial y transiciones entre ambos que redefinen cualitativamente los mecanismos de relajación en sistemas cuánticos fuertemente correlacionados.
Los autores desarrollan una teoría estadístico-mecánica que vincula la eficiencia del descodificación lineal de variables continuas con las propiedades geométricas de los manifiestos neuronales, revelando una capacidad creciente para decodificar la posición y el tamaño de objetos a lo largo del flujo visual de monos.
Este estudio utiliza Máquinas de Boltzmann Restringidas (RBMs) para modelar la actividad simultánea de miles de neuronas en el cerebro de ratones, demostrando que estos modelos pueden capturar con alta precisión dependencias de alto orden y revelar redes de interacciones efectivas con estructura anatómica clara, superando las limitaciones de los modelos de entropía máxima tradicionales.
Este trabajo ofrece una revisión exhaustiva y una especificación formal de las redes de codificación predictiva, situándolas como un marco versátil y biológicamente plausible dentro de la inteligencia artificial moderna que supera las limitaciones de la retropropagación tradicional.
Este artículo presenta un enfoque analítico para calcular la densidad de resonancias de reflexión en operadores de Schrödinger unidimensionales desordenados, estableciendo un vínculo fundamental con la distribución del coeficiente de reflexión a energías complejas para derivar fórmulas explícitas en los límites de desorden débil y muestras cortas, las cuales se validan mediante simulaciones numéricas del modelo de Anderson.
Este trabajo presenta y demuestra experimentalmente una red neuronal fotónica profunda que logra un aprendizaje no supervisado en línea mediante un mecanismo de retroalimentación local totalmente óptico y sinapsis de materiales de cambio de fase, logrando un reconocimiento de letras perfecto sin conversiones eléctricas intermedias.
Mediante el uso de estados cuánticos de redes neuronales y una transformación de Schrieffer-Wolff, este estudio demuestra que las interacciones de Heisenberg antiferromagnéticas isotrópicas rompen el orden topológico del código torico en un punto crítico, dando paso a una fase de Néel antiferromagnética con simetría rota.
El artículo demuestra que los gráficos de codificación predictiva (PCGs) constituyen un superconjunto matemático de las redes neuronales de alimentación hacia adelante, lo que fortalece su posición dentro del aprendizaje automático y resalta la importancia de la topología en las redes neuronales.
Mediante el uso de la noción de tipicidad, este trabajo establece una descripción de campo continuo para ensembles aleatorios de redes de tensores de matchgate fermiónicos bidimensionales, demostrando que su comportamiento universal a larga distancia está gobernado por un modelo sigma no lineal de clase D que corresponde al problema del efecto Hall cuántico térmico, revelando fases que incluyen localización, criticalidad y un metal térmico robusto.
El artículo establece un principio de grandes desviaciones para la energía máxima de un vidrio de espín con espines +/-1, demostrando que su función de tasa es asintóticamente cuadrática cerca de su mínimo si y solo si existe un campo magnético externo, mediante el uso de una fórmula tipo Parisi para momentos fraccionales y argumentos de dualidad convexa.
Este artículo demuestra que los esquemas de recuperación de Petz y Schumacher-Westmoreland son óptimos para la corrección de errores cuánticos, introduciendo la distancia traza mutua como un diagnóstico necesario y suficiente para determinar el umbral de error óptimo sin necesidad de optimización explícita.
Este trabajo presenta un sistema de computación fotónica inspirado en la retina que utiliza modos de láser en competencia dentro de una red aleatoria para lograr detección de características, clasificación con pocos ejemplos y segmentación con alto rendimiento en escenarios de datos limitados, superando a arquitecturas de software convencionales como CNN y ViT en tareas de diagnóstico médico y reconocimiento de imágenes.
Este estudio utiliza un microscopio de gas cuántico con átomos bosónicos ultrafríos en una red bidimensional desordenada para observar directamente la fase de vidrio de Bose, identificándola mediante fluctuaciones de partículas y el parámetro de Edwards-Anderson, midiendo su coherencia de fase a corto alcance mediante interferometría de Talbot y detectando comportamientos no ergódicos.
El artículo define formalmente la captura algorítmica y demuestra que, a pesar de su expresividad universal, los transformadores infinitos poseen un sesgo inductivo que limita su capacidad de aprendizaje a algoritmos de baja complejidad dentro de la clase EPTHS, impidiendo la generalización a problemas de mayor complejidad.
El artículo presenta DysonNet, una arquitectura de estados cuánticos neuronales que, al inspirarse en la serie de Dyson y utilizar el algoritmo ABACUS, logra actualizaciones locales en tiempo constante y una mejora de velocidad de hasta 230 veces frente a los transformadores, manteniendo la precisión del estado del arte mientras ofrece una interpretación física intuitiva.