Física - Sistemas desordenados y redes neuronales

Nuevo método permite controlar con precisión los comportamientos cuánticos usando aprendizaje automático.

La investigación revela información sobre las redes y funciones del cerebro a través de los conectomas.

Una nueva teoría arroja luz sobre el comportamiento de los materiales vidriosos polidispersos.

Nuevos algoritmos mejoran la velocidad y precisión de la alineación de grafos para redes correlacionadas.

Un estudio sobre algoritmos que abordan los desafíos del flujo de tráfico entero en redes urbanas.

Un estudio que revela los factores que influyen en el aprendizaje en contexto en Transformers.

Descubre cómo la localización de muchos cuerpos desafía los conceptos tradicionales de termalización en la física cuántica.

Un desglose de los modelos de difusión generativa y sus procesos únicos.

Los investigadores estudian matrices aleatorias diluidas y no hermitianas para revelar propiedades únicas.

Examinando cómo la luz interactúa con materiales desordenados y sus implicaciones.

Investigando las similitudes entre DNNs y vidrios estructurales.

Usando machine learning para mejorar la comprensión de los canales cuánticos en dispositivos NISQ.

Un estudio sobre las capacidades de los transformadores para modelar osciladores armónicos simples.

La investigación explora métodos de control para manejar el comportamiento caótico en sistemas cuánticos.

Investigando la dinámica de circuitos cuánticos a través de la medición y la geometría de estabilizadores.

Los investigadores simplifican las redes neuronales para descubrir información clave sobre la memoria y la toma de decisiones.

Examinando cómo la aleatoriedad afecta el caos cuántico en modelos de Ising.

Este artículo analiza los modelos de multi-índices y su papel en el aprendizaje a partir de datos.

Examinar materiales quirales a través de la topología ofrece información sobre su comportamiento y propiedades.

Las máquinas Ising buscan soluciones eficientes a problemas complejos con bajo consumo de energía.

Examinando cómo los modelos de transformadores mejoran con el tamaño y la complejidad.

El estudio analiza la generalización y el rendimiento de la regresión ridge con características aleatorias usando valores propios.

Un estudio sobre cómo mejorar el entrenamiento de redes neuronales con funciones de activación no diferenciables.

Este artículo habla sobre cómo las redes neuronales profundas aprenden el lenguaje a través de la predicción del siguiente token.

Este artículo habla sobre cómo los modelos de neuronas ayudan a analizar la actividad cerebral compleja.

Este estudio explora cómo el desorden afecta la localización de partículas en un sistema cuántico en forma de escalera.

Este estudio revela cómo se comportan los materiales desordenados bajo presión.

Explorando el orden a corto alcance y las distorsiones locales en óxidos de alta entropía.

Este estudio investiga configuraciones estables en autómatas celulares totalmente externos en grafos regulares aleatorios.

Un estudio revela cómo los campos eléctricos cambian las propiedades de los materiales en quasicristales y sistemas del efecto Hall cuántico.

Este artículo explora cómo las vacantes afectan las propiedades únicas del grafeno y sus posibles aplicaciones.

Una exploración de los intentos significativos de probar la Conjetura de Riemann.

Una mirada a los SPIMs y su potencial en problemas de optimización.

Investigando cómo las estrategias de mezcla mejoran la cooperación entre las personas.

Este artículo examina cómo se desarrolla el sesgo durante el entrenamiento de modelos de aprendizaje automático.

Este estudio examina los quasicristales y su comportamiento bajo diversas condiciones.

La investigación muestra cómo la no linealidad afecta la localización de ondas en entornos desordenados.

Explora cómo los ajustes de temperatura influyen en la generación de texto en los modelos de lenguaje.

Una mirada a cómo la temperatura afecta a los compuestos de polímero conductor y sus propiedades eléctricas.

Nuevo modelo de máquina Ising mejora la resolución de problemas de optimización y la velocidad de cálculo.