85 articles
Cette étude révèle que dans les chaînes Hatano-Nelson désordonnées, la transition de la topologie spectrale d'une boucle unique à deux boucles, marquée par un changement du nombre d'enroulement spectral, s'accompagne d'une localisation exponentielle des états propres sauf pour deux états complètement délocalisés dont la longueur de localisation diverge aux régimes de faible et critique désordre.
En utilisant des outils de physique statistique, cette étude caractérise l'émergence de distorsions dans les modèles de diffusion guidés comme une transition de phase liée au nombre de modes, démontrant que le guidage standard réduit la variance et proposant un nouveau calendrier de guidage avec une fenêtre de guidage négatif pour préserver la diversité tout en maintenant la séparabilité des classes.
En proposant de nouveaux benchmarks rigoureux basés sur des problèmes aléatoires d'un point de vue de la physique statistique, cette étude démontre que les algorithmes classiques surpassent encore les réseaux de neurones graphiques pour résoudre les problèmes de satisfaction de contraintes difficiles, tout en mettant en lumière les défis persistants pour ces derniers.
Motivé par une expérience récente sur le MoTe torsadé, ce papier développe une théorie des bords désordonnés pour un isolant topologique fractionnaire à , révélant que la localisation induite par les interactions peut conduire à des états isolants sans briser la symétrie de renversement du temps et démontrant ainsi que le transport à deux bornes est insuffisant pour identifier ces états.
Cette étude démontre que la violation des prédictions de la théorie des matrices aléatoires concernant l'information de Fisher quantique et une relation fluctuation-dissipation, mesurées via des observables locales, constitue un indicateur efficace de la rupture d'ergodicité dans divers mécanismes tels que la localisation à plusieurs corps, l'intégrabilité et les cicatrices quantiques.
En étudiant un modèle SYK ouvert couplé à un bain fermionique pseudogapé, cette recherche révèle que la dissipation non markovienne peut qualitativement remodeler les mécanismes de relaxation des systèmes quantiques à plusieurs corps, engendrant une riche phase dynamique où la décroissance algébrique, exponentielle et pré-relaxation coexistent selon la compétition entre chaos interne et dissipation environnementale.
Les auteurs proposent une théorie statistique-mécanique reliant l'efficacité du décodage linéaire de variables continues aux propriétés géométriques des variétés neuronales, révélant ainsi une capacité de décodage croissante pour la position et la taille des objets le long du flux visuel chez le singe.
Cette étude démontre que les Machines de Boltzmann Restreintes permettent de modéliser avec précision l'activité coordonnée de milliers de neurones enregistrés simultanément chez la souris, révélant ainsi des structures d'interactions effectives ancrées dans l'anatomie cérébrale et des dynamiques de relaxation globales.
Ce travail présente une revue complète et une spécification formelle des réseaux de codage prédictif, un cadre inspiré des neurosciences qui utilise l'apprentissage par inférence comme alternative biologiquement plausible et potentiellement plus efficace à la rétropropagation, tout en offrant une approche unifiée pour l'apprentissage supervisé et génératif.
Cet article développe une approche analytique reliant la densité des résonances de réflexion à la distribution du coefficient de réflexion à des énergies complexes, permettant d'obtenir des formules explicites pour la densité de résonances dans les limites de désordre faible pour des échantillons semi-infinis et courts, tout en validant ces résultats par des simulations numériques sur le modèle d'Anderson unidimensionnel.
Les auteurs présentent une architecture de réseau neuromorphique photonique profond entièrement optique qui permet un apprentissage non supervisé en ligne via un mécanisme de rétroaction locale et des synapses à base de matériaux à changement de phase, démontrant expérimentalement une reconnaissance de lettres à 100 % sans conversions opto-électroniques.
En utilisant des états quantiques à réseau neuronal et une transformation de Schrieffer-Wolff, cette étude analyse comment une perturbation antiferromagnétique Heisenberg isotrope détruit l'ordre topologique du code torique pour induire une transition de phase vers un état de Néel .
Ce papier démontre que les graphes de codage prédictif constituent un sur-ensemble mathématique des réseaux de neurones à propagation avant, renforçant ainsi leur pertinence dans le domaine de l'apprentissage automatique et la notion de topologie des réseaux neuronaux.
En invoquant la notion de typicalité, cette étude établit une correspondance directe entre les ensembles de réseaux de tenseurs matchgate fermioniques aléatoires et le problème de l'effet Hall quantique thermique, en démontrant que leurs propriétés universelles à grande distance sont gouvernées par un modèle sigma non linéaire de classe de symétrie D.
En s'appuyant sur une formule de type Parisi pour les moments fractionnaires de la fonction de partition, cet article établit un principe de grandes déviations pour l'énergie maximale d'un verre de spin à spins ±1 et démontre que sa fonction de taux est asymptotiquement quadratique près de son minimum si et seulement si un champ magnétique externe est présent.
Cet article démontre que les schémas de récupération de Petz et de Schumacher-Westmoreland sont optimaux pour la correction d'erreurs quantiques, établissant ainsi un seuil de tolérance aux erreurs précis grâce à une nouvelle quantité informationnelle appelée distance de trace mutuelle.
Les auteurs présentent un système de calcul photonique inspiré de la rétine, utilisant un laser à réseau aléatoire pour réaliser une détection de caractéristiques et une classification en peu d'exemples avec une précision supérieure à celle des réseaux de neurones logiciels, notamment dans des scénarios à faible quantité de données.
Cette étude utilise un microscope à gaz quantique pour observer directement la phase de verre de Bose dans un réseau bidimensionnel désordonné, en identifiant cette phase isolante et compressible par la mesure de fluctuations de particules et de la cohérence de phase à courte portée, tout en révélant des comportements non ergodiques.
Ce papier définit formellement la capture algorithmique et démontre que les transformateurs infinis, bien que universellement expressifs, possèdent un biais inductif les limitant à l'apprentissage d'algorithmes de faible complexité au sein de la classe EPTHS, empêchant ainsi la généralisation à des tâches plus complexes.
Ce papier présente DysonNet, une architecture de réseaux de neurones quantiques qui, en s'inspirant d'une série de Dyson tronquée et en utilisant l'algorithme ABACUS, permet des mises à jour locales en temps constant et une accélération significative du calcul par rapport aux méthodes existantes tout en conservant une haute précision et une interprétabilité physique.