85 papers
Dit artikel onderzoekt de Anderson-localisatie in disordere Hatano-Nelson-ketens en onthult dat een kritieke disorderdrempel de spectrale topologie verandert, wat leidt tot een overgang in het spectrale windinggetal en het verschijnen van twee volledig gedelokaliseerde toestanden die correleren met de niet-triviale topologische eigenschappen.
Dit artikel formaliseert de diversiteitsverliesproblematiek bij classifier-free guidance als 'generative distortion', analyseert de overgangsfase waarin deze vervorming optreedt in hoogdimensionale ruimtes met behulp van statistische fysica, en stelt een theoretisch onderbouwde geleidingsstrategie met een negatief-geleidingsvenster voor om dit te mitigeren.
Dit paper introduceert nieuwe benchmarks voor moeilijke constraint satisfaction problemen op basis van statistische fysica en toont aan dat klassieke algoritmen momenteel nog steeds beter presteren dan graph neural networks.
Dit artikel presenteert een theorie voor de rand van een fractioneel topologisch isolator bij in MoTe, waarin geordende en ongeordeneerde interacties leiden tot verschillende geleidbaarheidsfasen en een geïnduceerde isolerende toestand, waardoor tweeterminal-transport alleen ontoereikend is om dit materiaal te identificeren.
Dit onderzoek toont aan dat de overgang van ergodisch naar niet-ergodisch gedrag in kwantumveeldeelsystemen kan worden gedetecteerd via lokale observabelen, door afwijkingen van voorspellingen uit de theorie van willekeurige matrices te analyseren in scenario's zoals integrabiliteit, veeldeeltjeslokalisatie en quantum many-body scars.
Dit artikel toont aan dat niet-Markovische omgevingen de relaxatiemechanismen in sterk gecorreleerde kwantumveeldeeltjessystemen fundamenteel kunnen veranderen door een competitie tussen chaotische dynamica en dissipatie, wat leidt tot een rijk fase-diagram met algebraïsche en exponentiële vervalregimes.
De auteurs ontwikkelen een statistisch-mechanische theorie die de regressiecapaciteit voor continue variabelen relateert aan de geometrische eigenschappen van neurale variëteiten, waardoor ze in het visuele systeem van apen een toenemend vermogen tot het decoderen van objectpositie en -grootte kunnen aantonen.
Deze studie toont aan dat Restricted Boltzmann Machines, een model uit de statistische fysica, effectief kunnen worden gebruikt om de complexe, hoogwaardige statistische structuren en anatomische interactiepatronen van gelijktijdig opgenomen activiteit van ongeveer 1500 tot 2000 muizenneuronen te modelleren en te reproduceren.
Dit artikel biedt een uitgebreide review en formele specificatie van voorspellende coderingsnetwerken, een neurobiologisch geïnspireerd raamwerk dat gebruikmaakt van inferentie-leren in plaats van backpropagatie en dat zowel voor toezicht als voor generatieve modellering een veelbelovende basis vormt voor toekomstige innovaties in machine learning.
Dit artikel presenteert een analytische methode om de dichtheid van complexe resonantiepolen in één-dimensionale disordereerde Schrödinger-operatoren te berekenen door een link te leggen met de reflectiecoëfficiënt bij complexe energieën, wat leidt tot expliciete formules voor zowel semi-oneindige als korte monsters en wordt gevalideerd met numerieke simulaties van het Anderson-model.
Deze studie presenteert een volledig optische, diepe neuromorfe netwerkarctitectuur die online, ongesuperviseerde Hebbiaanse leer mogelijk maakt via niet-vluchtige faseveranderingsmaterialen, wat resulteert in een 100% herkenningspercentage voor letters zonder inefficiënte optisch-elektrisch-optische conversies.
Dit artikel onderzoekt met behulp van neurale-netwerk-kwantumtoestanden hoe antiferromagnetische Heisenberg-interacties de topologische orde van de torische code vernietigen en leiden tot een overgang naar een Néel-fase, waarbij de Schrieffer-Wolff-transformatie wordt gebruikt om het perturbatieve regime te analyseren.
Dit artikel bewijst dat Predictive Coding Graphs (PCGs) een wiskundige superverzameling vormen van feedforward neurale netwerken, waardoor ze een breder kader bieden voor machine learning en de studie van netwerktopologieën.
Dit artikel ontwikkelt een continuümveldtheorie voor willekeurige ensembles van fermionische matchgate-tennetwerken, waarbij wordt aangetoond dat typische fluctuaties leiden tot universeel gedrag dat overeenkomt met het thermische kwantum-Hall-probleem en een fase-diagram omvat met gelokaliseerde fasen, kritische kwantum-Hall-overgangen en een robuuste thermische metaal.
Dit artikel beschrijft de grote afwijkingen boven de typische waarde van de maximale energie van een spin-glas met +/-1-spins en toont aan dat de snelheidsfunctie asymptotisch kwadratisch is bij zijn minimum dan en slechts dan als er een extern magnetisch veld aanwezig is, waarbij het bewijs gebruikmaakt van een Parijs-type formule voor fractionele momenten en convex-dualiteitsargumenten.
Dit artikel introduceert de wederzijdse spoorafstand als een diagnostisch hulpmiddel om de optimale drempel voor kwantumfoutcorrectie te bepalen en bewijst dat de Petz- en Schumacher-Westmoreland-herstelmethoden optimaal zijn.
Deze studie introduceert een door het netvlies geïnspireerd, siliconen-compatibel fotoneercomputersysteem dat gebruikmaakt van een willekeurig laser-netwerk met heterogene niet-lineaire dynamiek om bij weinig trainingsdata superieure prestaties te behalen in taken zoals classificatie en segmentatie, waardoor het traditionele softwarematige CNN's en Vision Transformers overtreft.
In dit onderzoek wordt de Bose-glasfase in een tweedimensionaal rooster met ultrakoude atomen direct waargenomen door middel van kwantum-gasmicroscopie, waarbij lokale deeltjesfluctuaties en kortafstands-fasecoherentie worden gemeten om de overgang naar een niet-ergodische toestand te bevestigen.
Dit artikel definieert 'algorithmic capture' en toont aan dat onbeperkte transformers, ondanks hun universele expressiviteit, een inductieve bias vertonen die hen beperkt tot het leren van algoritmen met lage computationele complexiteit binnen de EPTHS-klasse, waardoor ze succesvol zijn bij eenvoudige taken maar falen bij complexere algoritmen.
Dit artikel introduceert DysonNet, een nieuw type neuronaal kwantumtoestand-model dat door het combineren van lokale niet-lineariteiten met globale lineaire lagen en het gebruik van het ABACUS-algoritme, de berekening van lokale updates in constante tijd mogelijk maakt, wat leidt tot een aanzienlijke versnelling en schaalbaarheid zonder in te leveren op nauwkeurigheid.