91 篇论文
该论文将实空间强无序重整化群方法扩展至研究具有长程相互作用的无序反铁磁量子自旋链的激发态与有限温度性质，推导了主方程并计算了磁化率、并发度及纠缠熵等物理量，揭示了耦合强度分布与温度及幂律指数 的依赖关系。
本文针对输入驱动的可塑性 Hopfield 网络，建立了一套动力学理论，通过解析快慢时间尺度耦合机制，推导出了自持记忆转换的显式条件，从而为联想记忆模型中的序列推理提供了 principled 的数学解释。
该研究通过结合理论降维与数据驱动方法，揭示了结构复杂性与延迟反馈共同诱导复杂网络振荡的机制，并通过电子电路实验验证了临界阈值，同时利用储层计算实现了对振荡起始的准确预测。
该研究提出了一种基于随机骨架三角闭合的强聚类随机图模型，通过精确推导局部聚类谱和度相关性，揭示了高传递性伴随正度同配性及非平凡聚类谱结构的理论特征。
该研究通过大尺度蒙特卡洛模拟和场论分析发现，接触过程中扩散率的无序虽然按幂次计数看似无关，但实际上会诱导出等效的随机质量无序，从而破坏清洁的指向渗流临界点，使相变归属于无限随机性普适类。
该研究评估了玻尔兹曼生成器在 Lennard-Jones 流体液气临界点附近的应用，表明其能有效捕捉临界特征并跨越相态进行外推，尽管受限于当前小系统尺寸对临界涨落的抑制，但其性能指标与热力学相边界的关联为未来解决玻璃化转变和成核等慢动力学问题提供了新方向。
该研究利用强无序重整化群（SDRG）作为物理引导，训练图神经网络成功推断了一维长程相互作用无序量子自旋链的纠缠结构，不仅实现了接近完美的配对精度并精确复现了纠缠熵，还通过两阶段策略有效拓展至有限温度情形。
本文利用 SZM 保真度研究了无序 Ising-Majorana 链中拓扑强零模的稳健性，发现其在拓扑相（包括 Griffiths 区）中保持存在，并在无限随机性固定点处展现出依赖于系综的临界分布特征，揭示了该临界态具有比清洁系统更强的拓扑特性及边界对称性表现。
该研究通过蒙特卡洛模拟将二维连续渗流的普适有限尺寸标度框架扩展至准三维叠层棍棒系统，确定了其渗流阈值并证实了该体系在引入非普适度量因子后，其跨越概率与二维棍棒及晶格渗流遵循相同的普适标度函数。
本文提出了一种基于“蠕虫算法”（Worm Algorithm）的马尔可夫链蒙特卡洛解码器，用于对匹配型 qLDPC 码进行近似最优解码，并通过理论分析与数值模拟证明了其在含测量误差及关联噪声模型下的高效性与优越阈值。
本文提出了一种名为“极端量子认知机器”的新型量子学习架构，该架构通过固定量子动力学与动态注意力机制相结合，在含噪及矛盾数据下实现鲁棒的 deliberative 决策，并适用于语言分类、生物、法医及网络安全等多个领域。
本文通过推导平衡态线形精确概率分布及分析随机耦合矩阵的谱性质，揭示了具有内部无序的弹性线在特定弹簧常数分布下（）表现出由主导平均值的形状突变引起的反常标度行为，并提出了与以往研究不同但经数值模拟证实的新标度预测。
本文研究了圆柱面约束下格点洛伦兹气体中示踪粒子的动力学行为，通过计算速度自相关函数揭示了系统从二维到一维的平衡态维度交叉现象，并在一阶障碍物密度近似下解析推导了任意外力与约束尺寸下的稳态速度与扩散系数。
本文提出了一种利用等谱约化揭示潜在对称性（如手性对称或镜像对称）的策略，成功设计并识别了由无序诱导的、受潜在对称性保护的拓扑安德森绝缘体，从而将拓扑安德森相的概念扩展到了潜在对称性情形。
本文通过泛函重整化群方法预测并数值验证了一维随机多孔介质方程的增长指数，揭示了其异常标度与多重标度特性，并指出其稳态分布可用与贝塞尔过程相关的随机游走模型来描述。
本文首次证明在随机 K-SAT 问题中，模拟退火算法的算法阈值并非固定不变，而是依赖于算法运行时间随系统规模增长的缩放比例（如线性、二次或三次等），从而揭示了不同时间复杂度下存在不同的求解阈值。
本文研究了具有粒子守恒对称性的量子运动约束模型，揭示了约束与手征对称性的共存会导致希尔伯特空间碎片化并引发零模数量参数级增长，同时提出了“集体束缚态”这一非遍历本征态概念，阐明了其在零模子空间中的核心作用及其在多种模型中的普遍存在性。
该研究通过大规模并行退火蒙特卡洛模拟发现，在三维随机键伊辛模型中，除纯铁磁极限外，簇渗流转变通常发生在热力学有序化转变之上，且伴随着两个密度相等的渗流簇的出现，仅当系统进入无序铁磁或自旋玻璃相时，这两个簇的密度才会发生分歧，从而为热力学相变提供了渗流特征。
该论文挑战了以测试损失最小化作为泛化最佳停止点的传统观点，揭示了扩散模型在训练过程中存在一个“有偏泛化”阶段，即模型虽持续降低测试损失，却倾向于生成过度接近训练样本的异常高相似度数据，并指出这种由特征学习顺序导致的偏差现象使得基于测试损失的最小化在隐私关键应用中可能不足。
该论文通过定义并分析网络感知流形（PM），揭示了机器与人类概念在维度上存在指数级错位，指出这种高维错位是产生对抗样本的根本原因，并论证了只有实现机器与人类感知流形的维度对齐，才能从根本上解决对抗鲁棒性问题。