Fisica - Sistemi disordinati e reti neurali

Questo studio esplora configurazioni stabili negli automi cellulari outer-totalistici su grafi regolari casuali.

Uno studio rivela come i campi elettrici cambiano le proprietà dei materiali nei quasicristalli e nei sistemi dell'effetto Hall quantistico.

Quest'articolo esplora come i vuoti influenzano le proprietà uniche del grafene e le sue potenziali applicazioni.

Un'esplorazione dei tentativi significativi di dimostrare l'ipotesi di Riemann.

Uno sguardo agli SPIM e al loro potenziale nei problemi di ottimizzazione.

Indagare come le strategie di mescolanza migliorano la cooperazione tra le persone.

Questo articolo esamina come si sviluppa il pregiudizio durante l'addestramento dei modelli di machine learning.

Questo studio esamina i quasicristalli e il loro comportamento sotto diverse condizioni.

La ricerca mostra come la non linearità influisce sulla localizzazione delle onde in ambienti disordinati.

Esplora come le impostazioni di temperatura influenzano la generazione di testo nei modelli linguistici.

Uno sguardo a come la temperatura influisce sui compositi polimerici conduttivi e sulle loro proprietà elettriche.

Un nuovo modello di macchina Ising migliora la risoluzione dei problemi di ottimizzazione e la velocità di calcolo.

Un'esplorazione di come gli occhiali invecchiano e si evolvono nel tempo.

Esplorare il potenziale dei cristalli temporali nei dispositivi quantistici di nuova generazione.

Nuove scoperte rivelano come il disordine influisca sulle anomalie quantistiche nei materiali.

Esaminando come l'ordine a medio raggio influisce sul comportamento dei vetri silicei.

Una panoramica dei plasmi ultracaldi molecolari e dei loro comportamenti unici.

La ricerca rivela come le reti neurali abbiano difficoltà con la generalizzazione nelle applicazioni di fisica quantistica.

Un nuovo metodo migliora le strategie di misurazione per i sistemi quantistici.

Uno studio sulle capacità di apprendimento dei grandi modelli di linguaggio nei compiti di aritmetica modulare.

Questo articolo esplora soluzioni per l'oversmoothing nelle reti neurali grafiche, concentrandosi sulle GCN.

L'approccio ibrido migliora le simulazioni dei comportamenti molecolari complessi usando la conoscenza di esperti e dati.

Esaminando i fenomeni di localizzazione nei sistemi quasicodificati attraverso il modello IAAF.

Uno sguardo alla storia e alle proprietà del vetro e dei solidi.

Questo studio rivela nuove fasi negli isolanti topologici di ordine superiore attraverso la modulazione quasiperiodica.

Esplorare i metodi di Monte Carlo per studiare il comportamento dei liquidi vetrosi.

Questo approccio collega la fisica con l'ottimizzazione per soluzioni migliori.

Uno sguardo a come le sostanze si diffondono attraverso diversi mezzi.

Esplorare come il disordine influisca sul comportamento degli elettroni nei materiali avanzati.

Scopri come i dopanti interagiscono nelle strutture magnetiche e i loro comportamenti sorprendenti.

Esplorando il codice torico usando il machine learning per i progressi nel calcolo quantistico.

Scopri come il riscaldamento può migliorare le prestazioni dell'addestramento del modello nel deep learning.

Indagine su come gli algoritmi si trovano in difficoltà con gli ottimi marginali.

Uno sguardo sugli ottimi marginali e il loro impatto sugli algoritmi nei sistemi complessi.

Nuovi metodi migliorano la stima dei parametri nei modelli di vetro spin.

Esplorando la frustrazione nel magnetismo usando il modello di Ising su un reticolo quadrato decorato.

Uno sguardo alle differenze di energia libera e al loro impatto sul comportamento dei vetri spin.

Il machine learning migliora le previsioni dei coefficienti di attività nelle miscele chimiche.

I ricercatori usano il machine learning per analizzare le fasi negli stati eigen di molti corpi.

Uno sguardo a SrCuTeWO e alle sue uniche proprietà non magnetiche.