Physik - Ungeordnete Systeme und neuronale Netze

Eine Studie zeigt, wie Elastizität den Zustand von Materialien unter Druck beeinflusst.

Die Forschung konzentriert sich auf quasiperiodische Gitter, Lokalisation und Schmetterlingsspektren in nicht-Hermiteschen Systemen.

Dieser Artikel untersucht, wie Löcher in zweidimensionalen Spinsystemen unter unterschiedlichen Bedingungen bewegen.

Die strukturellen Eigenschaften von amorphem NaOCl für Energiespeicheranwendungen analysieren.

Ein Überblick über Hysteronen, ihre Interaktionen und Auswirkungen auf die Materialwissenschaft.

Forschung untersucht die Interaktionen von Arten in Netzwerken und liefert Einblicke für Ökologie und Wirtschaft.

Ein tiefer Blick in die elektroschwache Lokalisierung und terahertzoptische Reaktionen.

Untersuchung, wie die Kristallisation Ge-reiche GeTe-Legierungen in Phasenwechsel-Speichern beeinflusst.

Studie darüber, wie Kräfte die Bewegung von dichten Flüssigkeiten beeinflussen.

Ein neuer Ansatz zeigt, wie Unordnung topologische Materialien beeinflusst.

Forschung erweitert das Wissen über nicht-phononische Anregungen in Gläsern.

Kolmogorov-Arnold-Netzwerke bieten innovative Lösungen für Datenanalyse und Lernen.

Amorphe Materialien bieten unique Eigenschaften für Fortschritte in der Optik und Elektronik.

Forscher analysieren das Verhalten von Spin-Helicen, das durch unbewegliche Löcher in eindimensionalen Modellen beeinflusst wird.

Forscher entdecken das Verhalten von metallischen Gläsern bei hohen Frequenzen und Temperaturen.

Die Erkundung des Einflusses zufälliger Interaktionen auf die ökologischen Populationsdynamiken.

Wissenschaftler zeigen, wie winzige Teilchen durch gezielte Gestaltung einzigartige Strukturen bilden.

NbN-Dünnschichten zeigen vielversprechende Eigenschaften für Elektronik- und Optiktechnologien.

Jüngste Studien zeigen, wie Messungen Quanten zustände und Technologie beeinflussen.

Erforscht, wie Lernen durch assoziative Prozesse und deren mathematische Darstellungen abläuft.

Neue Methode ermöglicht präzise Kontrolle über Quanteneffekte mit Hilfe von maschinellem Lernen.

Forschung zeigt Einblicke in Gehirnnetzwerke und Funktionen durch Konektonen.

Eine neue Theorie wirft Licht auf das Verhalten von polydispersen glasartigen Materialien.

Neue Algorithmen verbessern die Geschwindigkeit und Genauigkeit der Graphanpassung für korrelierte Netzwerke.

Eine Studie über Algorithmen, die sich mit Herausforderungen des Ganzzahl-Verkehrsflusses in städtischen Netzwerken befassen.

Eine Studie, die Faktoren aufdeckt, die das Lernen im Kontext bei Transformern beeinflussen.

Entdecke, wie die Viele-Körper-Lokalisierung die traditionellen Thermalisationstheorien in der Quantenphysik herausfordert.

Eine Übersicht über generative Diffusionsmodelle und ihre einzigartigen Prozesse.

Forscher schauen sich nicht-hermitesche verdünnte bandierte Zufallsmatrizen an, um besondere Eigenschaften zu entdecken.

Untersuchen, wie Licht mit ungeordneten Materialien interagiert und was das bedeutet.

Untersuchung der Ähnlichkeiten zwischen DNNs und strukturellen Gläsern.

Maschinenlernen nutzen, um das Verständnis von Quantenkanälen in NISQ-Geräten zu verbessern.

Eine Studie über die Fähigkeiten von Transformern zur Modellierung einfacher harmonischer Oszillatoren.

Forschung untersucht Steuerungsmethoden, um chaotisches Verhalten in Quanten Systemen zu kontrollieren.

Die Dynamik von Quantenkreisen durch Messung und Stabilizer-Geometrie untersuchen.

Forscher vereinfachen neuronale Netzwerke, um wichtige Einblicke in Gedächtnis und Entscheidungsfindung zu gewinnen.

Untersuchen, wie Zufälligkeit das Quantenchaos in Ising-Modellen beeinflusst.

Dieses Papier analysiert Multi-Index-Modelle und deren Rolle beim Lernen aus Daten.

Die Untersuchung von chiralen Materialien durch Topologie gibt Einblicke in ihr Verhalten und ihre Eigenschaften.

Ising-Maschinen zielen darauf ab, effiziente Lösungen für komplexe Probleme mit niedrigem Energieverbrauch zu finden.