Explosive synchronization in networks of Type-I neurons with electrical synapses
本文通过利用 I 型神经元与 Kuramoto 模型之间的映射关系,在电耦合的无标度和星形网络中证实了弱异质性条件下 I 型神经元(包括二次积分发放神经元和 Morris-Lecar 神经元)同样会发生爆炸性同步,从而确立了该现象在 I 型神经元中产生的普适条件。
816 篇论文
本文通过利用 I 型神经元与 Kuramoto 模型之间的映射关系,在电耦合的无标度和星形网络中证实了弱异质性条件下 I 型神经元(包括二次积分发放神经元和 Morris-Lecar 神经元)同样会发生爆炸性同步,从而确立了该现象在 I 型神经元中产生的普适条件。
本文研究了概率性全同元胞自动机的平均场表述在何种条件下能逼近逻辑斯蒂方程,发现无限邻域是必要条件,并数值证明了通过随机重连部分连接(类似小世界机制)即可在有限重连比例下实现良好的逻辑斯蒂行为逼近,且该分岔级联现象同样存在于具有相同对称性的确定性全同元胞自动机中。
本文通过将自旋纳入参数估计,利用 Fisher 信息和贝叶斯方法系统研究了双中子星并合中轨道偏心率对非偏心率波形参数估计产生的系统性偏差,发现质量、自旋等参数的偏差随偏心率呈二次方变化,而潮汐形变参数的偏差则显著依赖于质量和自旋的具体取值。
该研究利用光谱椭偏技术揭示了层间耦合驱动的三维渗流机制是$1T_2$中金属 - 绝缘体转变的关键,并证实了该材料作为一种可调控的天然双曲介质,其导电域形状随温度从盘状演变为针状。
本文综述了满足 Ginsparg-Wilson 关系的格点费米子的物理特性、其与域壁费米子的联系,以及使用重叠费米子进行数值模拟的方法论。
该研究分析了加拿大科学出版(CSP)旗下 24 种期刊在 2010 至 2021 年间发表的 6.7 万余篇文章,发现女性作者占比不足三分之一且多处于非领导性署名位置,表明性别差异主要源于科研 workforce 的结构性失衡而非出版偏见,因此呼吁采取双重措施以消除系统性障碍并改革出版实践。
本文结合中间渐近理论与直接数值模拟,研究了 条件下湍流通道流中间层中被动标量与速度场在尺度平衡特性、特征尺度 的普朗特数标度律以及跨尺度传递机制上的异同。
本文提出了一种基于稀疏变分高斯过程与柯尔莫哥洛夫 - 阿诺德网络(SVGP-KAN)的机器学习框架,用于从稀疏速度测量数据中重构时间分辨流场,该方法在保持与经典重建方法相当精度的同时,能够提供可靠的认知不确定性量化,从而指导周期性流动的实验设计。
本文研究了亚价层相关与高阶后 CCSD(T) 相关效应(特别是 (Q) 项)在热化学贡献中的耦合机制,提出了"W5 理论”方案,并通过修正后的计算显著改进了含第二周期相邻原子的分子总原子化能预测值,使其与 ATcT 实验数据高度吻合。
本文利用非弹性修正恩斯科格理论,推导了受限准二维非弹性光滑硬球混合物的纳维 - 斯托克斯流体力学方程,并通过查普曼 - 恩斯科格展开和索内多项式近似,给出了适用于中等密度且不受组分参数限制的输运系数解析解,进而分析了热扩散因子以阐明温度梯度和重力驱动下的颗粒偏聚机制。
该论文论证了量子算法的加速源于其以未来目标为吸引子的目的性演化,并基于量子宇宙学假设和精细调节人择原理,将这一物理基础推广至生命演化过程。
该研究通过数值模拟与第一性原理计算,揭示了多层二维范德华材料中由层间强库仑排斥诱导的强耦合 s 波 Kohn-Luttinger 超导机制,其配对势随排斥作用线性增强从而显著提升超导转变温度。
本文提出了一种基于直通 Gumbel-Softmax 估计的梯度优化方法,该方法通过在反向传播中引入连续松弛来近似离散反应事件的梯度,同时在前向传播中保持精确的随机模拟,从而实现了随机动力学模型的高效参数推断与逆设计。
本文提出了一种统一的变分框架,通过引入轨道优化(包括态特定和态平均形式)、线性响应双重 CIS 方案以及自旋投影技术,有效克服了传统 CIS 方法在激发能高估和强关联体系描述上的局限性,显著提升了基态与激发态(特别是强关联及里德堡态)的定性描述精度。
本文提出了一种由弦流体源驱动且具备可积奇点的新黑洞解,通过引入屏蔽机制解决了弦云能量发散问题,并推导了内部可积奇点区域与外部黑洞几何(如史瓦西或雷斯纳 - 诺德斯特洛姆度规)在视界处的匹配条件,揭示了温度连续性与切向压力不连续性所对应的相变特征。
本文以教学式风格系统阐述了具有非可逆 对称性的非有理 Virasoro 共形场论,通过计算其不可约表示、拉索映射及 22×22 模 S 矩阵,为利用模共形自举方法研究此类理论提供了必要的入门基础。
本文提出了 LatentChem,一种将化学推理从显式文本思维链解耦至连续潜在空间的接口,通过让模型在潜在空间内自发进行隐式计算,在 ChemCoTBench 基准测试中实现了比传统 CoT 基线高出 59.88% 的非平局胜率及 10.84 倍的推理速度提升。
本文提出了一种将去偏(deflation)技术应用于仿星器平衡与优化的新方法,通过修改目标函数以惩罚已找到的解,从而在单一初始猜测下有效探索复杂非凸优化景观,成功发现多组物理上截然不同的优质平衡态与线圈设计方案。
本文提出了一种名为 TAPINN 的拓扑感知物理信息神经网络,通过监督度量正则化构建潜在空间并采用交替优化策略,有效解决了参数化动力学系统中因谱偏差导致的模态崩溃问题,在显著降低物理残差和梯度方差的同时,以比超网络方案少 5 倍的参数量实现了更稳定的收敛。
本文实证研究了将 Kolmogorov-Arnold 网络(KAN)集成到硬约束循环物理信息架构中,发现尽管 KAN 在处理单变量多项式残差时具有一定竞争力,但其在深层配置中表现出严重的超参数脆弱性和不稳定性,且在处理乘法项(如范德波尔系统)时表现不如标准 MLP,揭示了原始 KAN 公式中加法归纳偏置在状态耦合方面的局限性。