Homing through Reinforcement Learning
本文提出了一种基于强化学习的二维连续空间趋向性导航框架,通过研究单体与多体智能体在不同噪声水平及相互作用下的行为,揭示了通过成本驱动学习实现高效、自适应导航的机制,并证明了该模型在效率上优于传统的活性布朗粒子模型。
1581 篇论文
统计力学是连接微观粒子运动与宏观物质性质的桥梁,它帮助我们理解为何冰会融化、为何磁铁能吸起回形针。在凝聚态物理领域,这一理论框架至关重要,它揭示了从超导材料到复杂流体等日常现象背后的深层规律。
Gist.Science 持续追踪来自 arXiv 的最新预印本,确保您能第一时间接触到这些前沿研究。我们对每一篇新发表的论文进行深度处理,不仅提供详尽的技术解析,更用通俗易懂的语言提炼核心发现,让复杂的物理概念变得触手可及。
以下是本领域最新收录的论文列表,邀请您一同探索物质世界的奇妙规律。
本文提出了一种基于强化学习的二维连续空间趋向性导航框架,通过研究单体与多体智能体在不同噪声水平及相互作用下的行为,揭示了通过成本驱动学习实现高效、自适应导航的机制,并证明了该模型在效率上优于传统的活性布朗粒子模型。
本文通过研究具有体积排斥效应的竞争性漂移-扩散模型,证明了在多物种弱非对称排斥过程的稳态流体动力学极限下,可以自然地预测出“上坡输运”(即粒子流向与扩散方向相反)现象,并成功将微观排斥模型与宏观连续介质模型(如修正的PNP模型)联系起来,为纳米尺度电解质及膜技术中的离子输运提供了理论支撑。
本研究表明,负能量弹性是聚合物链的一种基本且普遍的属性,它源于有效的软排斥相互作用,并受限于在随机行走、自回避行走和邻域回避行走交叉过程中共同的 标度指数。
本文证明了传统上用于经典表面生长的 Family-Vicsek 标度框架,能够普遍描述一维 $SU(N)$ 量子自旋链的无限温度动力学,揭示了由系统的可积性和对称性质所决定的、具有特定动力学指数的截然不同的弹道、超扩散和扩散输运机制。
本文通过引入成对链路相互作用,为低协调网络推导出了闭式重正化群变换,从而将指数随机图模型进行了推广,证明了诱导无序与时间反向漂移-扩散过程在形式上的等价性,并确立了某些条件效应在社会、神经及推理问题应用中的长波长无关性。
本文引入了张量网络动态消息传递(TNDMP),这是一种基于“易感性诱导因子分解”的新型框架,通过提供既能实现精确建模又能实现可扩展算法的方案,解决了流行病建模中计算效率与预测精度之间的权衡问题,其性能优于现有的启发式算法,并将两者在数学上统一为低阶极限。
本文通过在一个将吉布斯熵解释为香农熵的信息框架内应用等概率原理,在不引入量子 修正的情况下解决了经典的吉布斯佯谬,从而阐明了气体混合过程中信息与可提取功之间的联系。
本文研究了一个由修正热力学势导出的六阶对流-粘性 Cahn-Hilliard 方程,推导出了精确的静态解和行波解,并分析了它们对系统参数的依赖关系。
本研究提出了一种用于张量网络态(包括纠缠重整化)自动结构搜索的算法,该算法通过基于变分能量优化局部结构,以提高在表示非均匀纠缠态方面的准确性,特别是在使用诸如强无序重整化群等现有设计方法进行初始化时。
本文利用 Lindblad-Keldysh 形式将 Landauer-Büttiker 公式扩展到具有增益或损耗的开放量子系统,揭示了诸如由对称性破缺或无序引起的电流产生,以及在能带之外恢复维德曼-弗兰茨定律等新颖的输运现象。