Physique - Systèmes désordonnés et réseaux neuronaux

Explorer une nouvelle méthode pour comprendre le comportement du modèle d'Ising.

Cet article explore le concept de criticité cérébrale et son importance dans les fonctions cognitives.

Les chercheurs utilisent le machine learning pour analyser des systèmes quantiques complexes avec des données bruyantes.

Une nouvelle méthode révèle comment les solides amorphes réagissent au stress et au vieillissement.

Examiner comment le bruit influence les réseaux de cartes chaotiques et crée des états chimères.

Cet article examine comment les champs magnétiques influencent le comportement des électrons dans le graphène multilayer rhomboédrique.

Examine la relation entre les minima locaux et les états d'énergie dans les systèmes quantiques.

L'étude des isolants d'Anderson topologiques révèle des comportements de localisation complexes.

Une étude révèle comment les impuretés se comportent dans un réseau de particules incliné.

Investiguer les comportements complexes des fonctions d'onde dans des systèmes désordonnés.

Enquête sur les comportements magnétiques complexes dans les matériaux désordonnés.

Un aperçu de l'énorme magnétoresistance positive et son importance en science des matériaux.

Examiner comment le désordre et les interactions des électrons influencent la dynamique de relaxation dans les matériaux.

Explorer comment la matrice Hessienne influence les frontières de décision des réseaux de neurones et la généralisation.

Cet article explore comment l'équilibre de l'activité neuronale affecte le fonctionnement du cerveau.

Enquête sur comment les verres à terres rares modifient les propriétés de la lumière grâce à des mesures de bruit.

Des recherches révèlent de nouvelles pistes sur le comportement des particules dans des matériaux ordonnés.

Explorer l'impact des oscillations quantiques sur les propriétés électroniques des métaux.

Une étude sur comment les systèmes quantiques se mélangent et évoluent avec le temps.

Des mesures répétées influencent le mouvement des particules dans des matériaux désordonnés.

Utiliser des techniques d'apprentissage automatique pour étudier des systèmes physiques complexes et des transitions de phase.

Des recherches montrent des schémas communs dans la structure cérébrale entre différentes espèces.

Des chercheurs étudient les bords de mobilité dans de nouveaux réseaux mosaïques quasi-périodiques.

Cette étude examine les distances génétiques et leur impact sur la structure des populations au fil du temps.

Cette étude utilise l'apprentissage profond pour améliorer les prédictions des propriétés nucléaires.

Une approche d'apprentissage automatique améliore les prédictions de la dynamique des particules dans des fluides complexes.

Des chercheurs étudient des particules intriquées pour percer les secrets de la mécanique quantique et de la gravité.

Examen des comportements uniques dans des systèmes quasipériodiques et leurs implications.

Explorer le comportement des systèmes quantiques sous différentes conditions de mesure.

Un aperçu du comportement des phases topologiques et de leur importance dans les systèmes quantiques.

Cet article examine comment le désordre influence les propriétés électroniques des semimétaux d'Euler.

Une nouvelle approche utilise des réseaux de neurones graphiques pour prédire les propriétés élastiques de manière efficace.

Techniques pour préparer des états intriqués malgré le bruit dans les systèmes quantiques.

Explorer comment les exposants de Lyapunov à temps fini révèlent la sensibilité des réseaux aux changements d'entrée.

Un aperçu des réseaux complexes fractals et de leur importance dans différents domaines.

Apprends comment les matériaux passent d'un état fluide à un état rigide sous contrainte.

Examiner le rôle du désordre dans l'amélioration des performances des métasurfaces.

Un nouveau modèle pour comprendre les réseaux complexes avec plusieurs connexions.

Cet article explore le lien entre les distributions lognormales et l'analyse de l'information mutuelle.

Cet article parle de comment l'IA peut nous aider à comprendre le lien entre les réalités quantiques et classiques.