Derniers articles pour Méthodes de calcul

Des chercheurs combinent la thermodynamique et l'algèbre linéaire pour résoudre des problèmes efficacement.

Des chercheurs explorent des méthodes sans laser pour améliorer les ordinateurs quantiques à ions piégés.

Ce document parle des méthodes pour analyser des données de séries chronologiques complexes avec plusieurs variables.

Une nouvelle méthode permet de protéger la vie privée dans l'apprentissage profond grâce à des approximations polynomiales.

Un logiciel pour étudier les structures électroniques des matériaux via des simulations.

Une nouvelle méthode combine l'IA et la physique pour s'attaquer à des problèmes inverses complexes.

Explorer le concept de Temps de Premier Passage dans les mesures quantiques.

Une nouvelle approche hybride améliore l'analyse des problèmes élasto-plastiques.

Des chercheurs combinent des méthodes classiques avec du machine learning pour de meilleures prédictions moléculaires.

Les chercheurs utilisent la spectroscopie d'absorption des rayons X pour analyser le comportement moléculaire de l'eau liquide.

Examen du comportement et des propriétés des larges couches dans les réseaux de neurones profonds.

Une nouvelle méthode améliore les calculs de flux de fluide et de pression.

Cet article parle des techniques pour analyser les interactions des particules en physique.

Cet article parle de la transformée de diffusion inverse numérique pour l'équation DNLS.

De nouvelles méthodes en physique quantique des systèmes à plusieurs corps montrent des promesses pour améliorer les études sur les interactions des particules.

Cet article présente une méthode pour simuler des systèmes quantiques dans de grands environnements.

Une approche plus simple promet des calculs efficaces des moments magnétiques en physique des particules.

Un aperçu des orbites nilpotentes spéciales et de leur importance en théorie de la représentation.

ShadowNet combine des ombres classiques et des réseaux de neurones pour améliorer l'apprentissage des systèmes quantiques.

Explore la relation entre les courbes modulaires et leurs sous-groupes cuspides.

Cette étude explore comment le post-traitement améliore l'efficacité de l'optimisation bayésienne dans des problèmes complexes.

Une nouvelle méthode simplifie les calculs pour étudier le comportement des électrons dans des molécules complexes.

Une méthode pour améliorer la rapidité de prise de décision dans les systèmes de contrôle prédictif par modèle.

La recherche propose de nouvelles méthodes pour calculer les fonctions génératrices en théorie quantique des champs.

De nouvelles méthodes améliorent l'efficacité des simulations et modélisations en physique complexe.

Une nouvelle méthode améliore l'efficacité dans l'analyse de données complexes en utilisant des particules de Riesz pondérées.

De nouvelles méthodes améliorent l'efficacité des simulations en physique des particules.

Une méthode pour améliorer les prévisions du modèle en utilisant plusieurs noyaux en même temps.

AFsample2 améliore les prédictions de forme des protéines grâce à des méthodes d'échantillonnage innovantes.

Une nouvelle méthode améliore les calculs d'énergie d'état fondamental pour les noyaux de masse impair.

Le soft merging améliore le deep learning en combinant les modèles de manière efficace et efficace.

Un nouveau cadre améliore l'étude du glasma dans les collisions d'ions lourds.

Examiner les relations entre les courbes elliptiques à travers l'isogénie et les contraintes de hauteur.

De nouveaux projecteurs améliorent la précision des modèles dans la diffusion électromagnétique à basse fréquence.

Une étude révèle des comportements complexes des bosons dans une configuration à deux chaînes.

Un regard sur les systèmes de spin quantiques et la méthode de la fonction de Green pour l'analyse.

Explorer les complexités du transport optimal et le rôle des potentiels de Kantorovich.

Une nouvelle approche pour utiliser des réseaux de neurones avec des structures de données complexes.

Une nouvelle méthode améliore la précision et l'efficacité des arbres de décision pour les gros ensembles de données.

Examiner comment les modèles d'apprentissage automatique améliorent les prédictions dans la recherche sur les matériaux.