130 papers
Dit artikel introduceert een efficiënte preconditioner afgeleid van de metriekstensor om de convergentie en rekenefficiëntie van gradient-gebaseerde optimalisatie voor oneindige projecteerde verstrengelde paren (iPEPS) in twee dimensies aanzienlijk te verbeteren.
Dit paper introduceert "El Agente Cuántico", een multi-agent AI-systeem dat quantum-simulaties automatiseert door natuurlijke taalintenties om te zetten in gevalideerde berekeningen over diverse quantum-softwareframeworks, waardoor technische drempels worden verlaagd en de exploratie van fysische modellen wordt versneld.
Dit artikel toont aan dat de effectiviteit van de quantum-geïnspireerde Matrix-Product-State-methode voor het oplossen van het 3-SAT-probleem wordt beperkt door een verstrengelingsbarrière die voortkomt uit de klassieke computationele complexiteit van het tellen van oplossingen, wat impliceert dat ook quantum-architecturen superlineaire resources nodig hebben.
Deze paper introduceert een semidefiniete machine learning-methode die een input-convexe neurale netwerken gebruikt om de rand van de N-representeerbare tweeelektronen-reduced density matrices (2-RDM) te leren, waardoor variabele berekeningen van 2-RDM's met hogere nauwkeurigheid worden uitgevoerd zonder expliciete hogere-orde positiviteitsvoorwaarden.
Deze paper introduceert Drifting Models voor de million-voudig versnelde generatie van moleculaire conformaties volgens de Boltzmann-verdeling, waarbij een theoretisch verband tussen krachten en driftscores wordt gelegd en twee representatie-specifieke methoden (FI en FK) worden ontwikkeld die één-staps generatie mogelijk maken met behoud van structurele validiteit en distributie-accuraatheid.
Dit paper introduceert JAWS, een probabilische regularisatiestrategie die door middel van ruimtelijk adaptieve Jacobiaan-regularisatie de stabiliteit en nauwkeurigheid van lange-termijn rollouts van neurale operatoren verbetert door contractie in gladde gebieden te bevorderen en beperkingen rond singuliere kenmerken te versoepelen.
Dit onderzoek combineert een analytisch model met numerieke simulaties om de relatie te kwantificeren tussen de bedrijfsomstandigheden van thermische spuitprocessen en de resulterende aeroakoestische handtekening, wat suggereert dat geluidssignaturen kunnen worden gebruikt als een niet-invasieve methode om de deeltijdsverdeling en -snelheid te monitoren en te controleren.
Dit artikel introduceert de Continuous-Time Koopman Autoencoder (CT-KAE) als een lichtgewicht, stabiel en efficiënt surrogaatmodel voor langetermijnvoorspellingen van de oceaanstaat, dat door het projecteren van niet-lineaire dynamica op een lineaire latentruimte superieure stabiliteit en snelheid biedt ten opzichte van autoregressieve Transformer-baselines.
Dit artikel introduceert een hybride ensemblevoorspellingssysteem dat fysiek gebaseerde en machine-learning-modellen combineert via spectrale nudging, wat leidt tot aanzienlijke verbeteringen in de voorspellingskwaliteit voor grote schaalpatronen, tropische cyclonen en nabijgrondse parameters.
Dit onderzoek toont aan dat het vooraf trainen van een tokeniser met een auto-encoding-doelstelling de rekenefficiëntie en nauwkeurigheid van fysische foundation-modellen aanzienlijk verbetert, vooral wanneer de vooraftraining op hetzelfde fysische systeem als de downstream-taak wordt uitgevoerd.
Dit artikel introduceert TRec, een fysica-informeerde framework voor muonverstrooiingstomografie dat de integriteit van verzegelde microreactorkernen kan verifiëren en het ontbreken van brandstof met hoge nauwkeurigheid detecteert door gebruik te maken van momentummetingen en Bayesian-updating.
Dit artikel introduceert nieuwe expliciete vierde-orde multistap Runge-Kutta-methoden die door hergebruik van data uit vorige tijdstappen het aantal tussenstappen verminderen, waardoor Numerieke Relativiteit-simulaties efficiënter kunnen worden uitgevoerd.
Deze paper introduceert de Simulated Bifurcation-based CI (SBCI)-algoritme, een op klassieke mechanica gebaseerde methode die de rekenkosten voor nauwkeurige quantumchemische berekeningen verlaagt zonder in te boeten aan precisie.
Deze studie toont aan dat het gebruik van machine learning voor mesh-beweging (UM2N) in niet-hydrostatische tsunami-simulaties de rekentijd aanzienlijk verkort terwijl de nauwkeurigheid behouden blijft, wat essentieel is voor efficiënte probabilistische kustgevaar-beoordeling.
Dit artikel toont aan dat het transformeren van moleculaire Hamiltonianen naar de -representatie om spin-baan-koppeling te elimineren, onbedoeld aanzienlijke niet-adiabatische koppelingen genereert die, indien verwaarloosd, leiden tot ernstige fouten in spectroscopische voorspellingen, en biedt daarom exacte voorwaarden en praktische oplossingen om de nauwkeurigheid te waarborgen.
Dit artikel toont aan dat de complexe kristalfasen van methaan onder hoge druk kunnen worden begrepen als een eenvoudige pakking van supermoleculaire clusters, waarbij de afwijking van kubische symmetrie en de traagheid van faseovergangen het gevolg zijn van een afweging tussen efficiënte pakking en beperkte entropie door gehinderde rotatie.
Deze studie introduceert twee lange-afstandsmachine-learningpotenties met omgevingsafhankelijke ladingen die, in combinatie met Moment Tensor Potenties, niet alleen de trainingsfouten verlagen en de LO-TO-splitsing en diëlektrische constanten van isotrope materialen zoals NaCl nauwkeurig voorspellen, maar ook veelbelovend zijn voor uniaxiale materialen zoals PbTiO₃.
Dit onderzoek onthult dat koolstofketens in KFI-zeolieten onder hoge druk een ongebruikelijke verbreding van de bandkloof vertonen en een supergeleidende overgangstemperatuur van ongeveer 62 K bereiken, wat nieuwe perspectieven biedt voor hoogdruk-halfgeleidertechnologie en hoogtemperatuur-supergeleiding.
Dit artikel biedt een uitgebreide vergelijking van expliciete relativistische deeltijdpushers voor PIC-simulaties, met name met betrekking tot hun uitbreidbaarheid naar willekeurige hoge orde nauwkeurigheid en een analyse van de prestaties van vierde-orde varianten ten opzichte van die van de tweede orde.
Dit onderzoek toont aan dat gatendoping in ferro-elektrisch hafnia de coercitieve veldsterkte verlaagt door een concurrerend schakelpad via de Pbcm-fase te activeren, waardoor het materiaal van een onjuiste naar een juiste ferro-elektrische toestand overgaat.