🔬 physics
Spatial symmetry invariance of solution of Kolmogorov flow
この論文は、2 次元コルモゴロフ流の Navier-Stokes 方程式の解が初期条件の空間対称性を時間的に維持するという数学的証明を行い、DNS による対称性の破れが数値ノイズによる汚染を示唆する一方、CNS が数学的真理に近づく有効な手法であることを示しています。
✓ 著者確認済み
著者が確認した論文
原著者が当サイトのやさしい解説を確認した論文。
このページに掲載されている各論文については、少なくとも一人の原著者が当サイトのやさしい解説を確認し、内容の正確性を認めるか、または修正を依頼しその修正を私たちが反映しています。確認は各文への正式な承認を意味するものではありませんが、論文を書いた本人たちの目を通ったことを意味します。
1291 件の論文を著者が確認済み · 1251–1260 / 1291
🔬 physics
The Statistical Mechanics of Indistinguishable Energy States and the Glass Transition
この論文は、エネルギー状態が識別不可能な粒子の統計力学を扱い、古典粒子において配置エントロピーが有限温度で消滅するガラス転移を示す厳密な分布関数を導出している。
🔬 physics
Uncertainty-aware Blood Glucose Prediction from Continuous Glucose Monitoring Data
本論文は、HUPA-UCM データセットを用いた検証により、証拠出力層を備えたトランスフォーマーモデルが、血糖値予測の精度と不確実性の較正において LSTM や GRU を凌ぎ、臨床リスク評価においても優れていることを示しています。
🔢 mathematics
Beilinson's conjecture on K3 surfaces with an involution
この論文は、商が六次曲線に沿って分岐する射影平面となる対合を備えた特定の K3 曲面の例において、ベリリノフ予想が成り立つことを証明している。
🔢 mathematics
Estimation of relative risk, odds ratio and their logarithms with guaranteed accuracy and controlled sample size ratio
この論文は、2 段階逐次サンプリングに基づき、任意のパラメータに対して相対リスクやオッズ比（およびその対数）の推定誤差を目標値以下に保証しつつ、2 集団の平均サンプルサイズ比を制御可能な推定量を提案し、その効率性がクラメール・ラオ限界に近づくことを示したものである。
🔬 instrumentation
Position-Sensitive Silicon Photomultiplier Array with Enhanced Position Reconstruction by means of a Deep Neural Network
本論文は、深層ニューラルネットワークを用いた位置再構成手法により、2x2 配列の線形勾配型シリコンフォトマルチプライヤーアレイの位置分解能と直線性を大幅に向上させ、解像度を最大 12.1 倍まで高めることを示しています。
⚛️ phenomenology
Constructing Dimension-8 SMEFT from Conserved Currents
この論文は、高エネルギー散乱振幅における運動学的な混合を解消し、S 行列の正性条件を明確化するとともに、新しい物理の紫外補完を直接診断可能にするため、標準模型の保存カレントから直接演算子を構築する「運動学的対角化カレント基底（KDCB）」という革新的な枠組みを提案するものである。
🤖 AI
Unsupervised Representation Learning - an Invariant Risk Minimization Perspective
この論文は、ラベルなしデータから分布シフトに頑健な表現を学習するための新しい教師なし不変リスク最小化（IRM）フレームワークを提案し、ガウス分布を仮定した線形手法「PICA」と深層生成モデル「VIAE」を導入して、合成データや MNIST、CelebA などの実データでその有効性を検証したものです。
🤖 AI
Knowledge Graphs are Implicit Reward Models: Path-Derived Signals Enable Compositional Reasoning
この論文は、知識グラフの経路から導出された報酬信号を用いた強化学習と教師あり微調整を組み合わせることで、専門分野における複雑な多段推論能力を大幅に向上させ、大規模な先行モデルや最先端システムを上回る性能を発揮する新しい学習パラダイムを提案しています。
🤖 AI
Directional Neural Collapse Explains Few-Shot Transfer in Self-Supervised Learning
この論文は、自己教師あり学習における少数ショット転移の成功とタスク間干渉の低減が、クラス分離方向における変動（方向性 CDNV）の収束によって統一的に説明可能であることを、理論的な一般化 bound の導出と多タスク幾何学的な直交性の証明、および実証実験を通じて示しています。