Equi-integrable approximation of Sobolev mappings between manifolds

Il lavoro dimostra che i limiti di successioni di applicazioni lisce tra varietà Riemanniane compatte con energia di Sobolev W1,pW^{1, p} equi-integrabile possono essere approssimati fortemente da applicazioni lisce, estendendo il risultato di densità di Hang al caso p2p \ge 2 e fornendo una prova basata sulla continuità debole dei jacobiani quando è soddisfatto il criterio coomologico di Bethuel, Demengel, Coron e Hélein.

Jean Van SchaftingenMon, 09 Ma🔢 math

The Planar Coleman--Gurtin model with Beltrami conductivity

Questo articolo studia l'equazione del calore di Coleman-Gurtin con memoria su un dominio piano con diffusione anisotropa irregolare codificata da un coefficiente di Beltrami, costruendo attrattori globali regolari e attrattori esponenziali di dimensione frattale finita per le dinamiche in L2(Ω)L^2(\Omega) e H01(Ω)H^1_0(\Omega) mediante una combinazione di regolarizzazione istantanea, regolarità parabolica massimale e stime quasiconformali.

Francesco Di PlinioMon, 09 Ma🔢 math

Qualitative properties of the fractional magnetic pp-Laplacian and applications to critical quasilinear problems

Il lavoro indaga le proprietà qualitative dell'operatore frazionario magnetico pp-Laplaciano in dimensione N=3N=3, definendo opportuni spazi funzionali e dimostrando l'esistenza di soluzioni deboli per equazioni quasilineari critiche e sottocritiche mediante metodi variazionali e un nuovo principio di concentrazione-compattezza specifico per questo contesto.

Laura Baldelli, Federico BerniniMon, 09 Ma🔢 math

Barycenter technique for the higher order QQ-curvature equation

Utilizzando il metodo del baricentro di Bahri-Coron, gli autori dimostrano l'esistenza di una metrica conforme a curvatura QQ costante di ordine $2k$ su varietà Riemanniane chiuse di dimensioni specifiche, assumendo solo una condizione naturale di conservazione della positività dell'operatore GJMS senza richiedere ipotesi sul segno della massa o l'uso di un teorema della massa positiva.

Saikat Mazumdar, Cheikh Birahim NdiayeMon, 09 Ma🔢 math

Learning Where the Physics Is: Probabilistic Adaptive Sampling for Stiff PDEs

Il paper presenta il GMM-PIELM, un framework probabilistico che utilizza un algoritmo EM ponderato per adattare dinamicamente il campionamento dei nuclei nelle PDE rigide, consentendo alle Extreme Learning Machines di risolvere con precisione strati limite sottili e ridurre gli errori di ordini di grandezza rispetto ai metodi tradizionali, mantenendo al contempo la velocità computazionale.

Akshay Govind Srinivasan, Balaji SrinivasanMon, 09 Ma🤖 cs.AI