Application of deep neural networks for computing the renormalization group flow of the two-dimensional phi^4 field theory
本文介绍了 RGFlow,这是一种基于双射流的可微深度神经网络框架,它通过最小化互信息自主学习实空间重整化群变换,成功复现了经典消去规则,并在二维 场论中识别出了威尔逊 - 费舍尔临界点。
1537 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。
本文介绍了 RGFlow,这是一种基于双射流的可微深度神经网络框架,它通过最小化互信息自主学习实空间重整化群变换,成功复现了经典消去规则,并在二维 场论中识别出了威尔逊 - 费舍尔临界点。
本研究证明,一维各向异性 XY 模型的关键标度行为在具有复数横向场的非厄米框架下依然存续,其中铁磁相和 Luttinger 液体相分别由对称性破缺和具有谱简并的涌现对称性所支配,从而揭示了在开放系统中观测常规量子相变的一条稳健途径。
利用缩放电荷分子动力学模拟,本研究表明,尽管带负电的二氧化硅纳米孔对 NaCl 表现出常规的阳离子选择性,但由于钙离子固定和电荷反转,其对 CaCl 丧失了这种选择性,导致孔内主导传导转变为氯离子。
本文通过采用一种新颖的随机测量协议,结合局部能量调控与全局场以绕过对局部门控的需求,在可编程中性原子量子模拟器(QuEra 的 Aquila)中展示了纠缠熵的测量,并观测到了由无序诱导的从混沌到局域化动力学的转变。
本文通过分析证明,其用于熵估计的残差映射方法在理想气体和简谐振子等可解系统中精确复现了经典热力学熵,从而验证了"asdf"信息论框架,确立了与统计力学的一致性,并支持将熵解释为一种几何编码的信息度量。
本文通过采用马尔可夫嵌入建立熵产层级,展示了如何利用非马尔可夫记忆效应来提升热力学性能,包括提高精度与耗散之比以及在熵产趋于零时实现有限热流,同时推导了针对不确定性、速度极限以及功率 - 效率的扩展权衡关系。
本文利用 Floquet-Born-Markov 理论证明,由系综几何相位刻画且在零和π准能隙中均受保护的边缘模式所表征的周期驱动 Su-Schrieffer-Heeger 链的拓扑分类,可稳健地推广至耗散、有限温度的开放量子系统。
本研究采用修正的 Cahn-Hilliard-Cook 框架,证明了由移动冷却源驱动的二元液体中的相分离图案受源平移速度与热前沿传播速度之间相互作用的支配,从而可通过调节这些竞争速度来设计特定结构。
本文证明,带有重置通道的无测量随机量子电路在比特()情形下会经历连续的二级纠缠相变,这一行为显著偏离了在-极限下推导出的经典统计预测。
本文提出一种量子纠错方案,该方案在稳定子形式框架内整合量子空间分布与规范对称性,以实现对任意自旋/位置退相干和退相位的鲁棒性,同时支持用于逻辑门和错误检测的灵活近邻架构。