Physik - Ungeordnete Systeme und neuronale Netze

Eine neue Methode verbindet maschinelles Lernen und gegenseitige Information in klassischen Spinsystemen.

Studie zeigt, wie Unordnung die elektrischen Eigenschaften von Graphen beeinflusst.

Neue Erkenntnisse zeigen, wie Temperatur das atomare Verhalten in Flüssigkeiten beeinflusst.

Untersuchen, wie Zufall das Verhalten von zweidimensionalen magnetischen Systemen beeinflusst.

Forschung zeigt, dass magnetokalorische Materialien für umweltfreundliche Kühlung vielversprechend sind.

Ein Überblick über Tribonacci-Ketten und deren Bedeutung in der Materialwissenschaft.

Untersuchung, wie Alkalimodifikatoren die Oberflächen von alkalischen Silikatgläsern beeinflussen und deren Anwendungen.

Dieser Artikel untersucht angetriebene dissipative Kondensate und ihr einzigartiges Phasen- und Frequenzverhalten.

Ein Blick darauf, wie ultrastabile Gläser in einen flüssigen Zustand übergehen.

Forscher kombinieren maschinelles Lernen und Skalierungstheorie, um Wellenkonfinierungsstudien zu verbessern.

Neue Methoden verbessern die Signalwiederherstellung aus komprimierten Daten.

Untersuchen, wie Schichtdicke und Unordnung die Leitfähigkeit in Supergittern beeinflussen.

Eine Methode, um die Interpretierbarkeit und Leistung von neuronalen Netzen zu verbessern, inspiriert vom menschlichen Gehirn.

Forschung zeigt komplexes vibrational Verhalten von Flüssigkeiten durch experimentelle und Simulationsmethoden.

Untersuchung des Potenzials von Quantenperzeptron, um die Fähigkeiten des maschinellen Lernens zu verbessern.

Untersuchung des Verhaltens von Teilchen in ungeordneten Umgebungen und die Bedeutung der Lokalisationlänge.

Forscher nutzen maschinelles Lernen, um komplexe Phasen in ungeordneten Materialien zu verstehen.

Ein Blick darauf, wie Zellen interagieren, um stabile Strukturen in Geweben zu bilden.

Erforschung des einzigartigen Teilchenverhaltens in Aubry-André-Ketten mit super-exponentieller Lokalisation.

Entdeck, wie sich die Eigenschaften von glasbildenden Flüssigkeiten ändern, während sie abkühlen.

Eine neue Methode des maschinellen Lernens charakterisiert aussergewöhnliche Punkte in nicht-Hermiteschen Systemen.

Eine neue Methode verbessert das Studium von vernetzten Systemen in verschiedenen Bereichen.

Forscher untersuchen die Relaxationsdynamik in Spin-Modellen, um universelle Verhaltensweisen unter verschiedenen Bedingungen zu finden.

Forschung zeigt universelle Verhaltensweisen in der Autokorrelation durch Krylov-Komplexitätsanalyse.

Studie zeigt Erkenntnisse über neuronales Verhalten mithilfe von Informationsgeometrie-Tools.

Residualnetzwerke verbessern Deep Learning, indem sie die Herausforderungen durch grössere Tiefe angehen.

Forscher nutzen Quantensimulatoren, um die Fähigkeiten des maschinellen Lernens zu verbessern.

Forschung zeigt, wie Exzitonen in Quantenpunkten wandern und technologische Fortschritte beeinflussen.

Ein Blick darauf, wie die dynamische Mittelwertfeldtheorie dabei hilft, neuronale Netzwerke zu untersuchen.

Diese Studie untersucht die Stabilität einer einzigartigen Oxidstruktur für neue Materialanwendungen.

Forschung zeigt, wie antiferromagnetische Helices die thermoelectric Leistung verbessern.

Untersuchung, wie dynamische Lokalisation und Thermalisation das Verhalten von Quantensystemen beeinflussen.

Forscher untersuchen die Stabilität von Proteinen, um die Wirksamkeit von proteinbasierten Medikamenten zu verbessern.

Dieser Artikel untersucht die Hyperuniformitäts-Eigenschaft in quasiperiodischen Verkleidungen mithilfe von Kettenbrüchen.

Eine Studie über Zwei-Schicht-Autoencoder zur effektiven Rauschunterdrückung in Daten.

Untersuchung der Wechselwirkung zwischen Geräuschen und Verhalten in erregbaren Systemen.

Diese Studie untersucht die Rolle des Quantenannealings bei der Optimierung komplexer Probleme.

In diesem Artikel geht's um den Einsatz von Physik-informierten neuronalen Netzwerken zur Lösung von Problemen in der Quantenmechanik.

Studie über das Wellenverhalten in ungeordneten Medien fördert technische Anwendungen.

Die Bedeutung von kritischen Endpunkten und tricritischen Punkten in Materialien erforschen.