Денис Аветисян ![Фотонный таутохрон, управляемый двумя импульсными последовательностями с периодом повторения [latex]\pi/2[/latex], демонстрирует мультистабильность, позволяя кодировать информацию в виде четырех различных осциллирующих состояний, соответствующих комбинациям битов [latex]|00\rangle[/latex], [latex]|01\rangle[/latex], [latex]|10\rangle[/latex] и [latex]|11\rangle[/latex], при этом интенсивность импульсов подобрана для работы именно в мультистабильном режиме, а насыщенность цветовой шкалы ограничена [latex]1/10[/latex] от пиковой интенсивности для обеспечения наглядности.](https://arxiv.org/html/2603.03691v1/2603.03691v1/x4.png)
Новое исследование демонстрирует, как создание параболического потенциала для света позволяет усиливать нелинейные оптические явления и открывает путь к более эффективным квантовым устройствам.
Новый подход позволяет эффективно обучать небольшие нейросети решать сложные инженерные задачи, используя обучение с подкреплением и верифицируемые награды.
![В исследовании продемонстрировано, что в антиферромагнитных кавитонных магнионах спектр вектора Нееля, полученный в ходе совместного моделирования mumax и аналитических расчетов, отслеживает собственные частоты [latex]\omega_{\pm}(B)[/latex], при этом наблюдаемое количественное соответствие с уравнением [latex]\omega_{\pm}(B)=\omega_{\mathrm{AFMR}}\pm\gamma B[/latex] подтверждает возможность возникновения антиперекрестий в спектре передачи, а период Раби, равный [latex]T_{R}=\pi/(\sqrt{2}\,g)\approx 7.1[/latex] нс, оказывается короче, чем для ферромагнетиков ([latex]\pi/g=10[/latex] нс) благодаря когерентной связи вырожденных мод при значениях параметров [latex]M_{s}=200[/latex] кА/м, [latex]\mu_{0}H_{E}=15.9[/latex] Т, [latex]\mu_{0}H_{A}=1.0[/latex] мТ и [latex]f_{\mathrm{AFMR}}\approx 5.0[/latex] ГГц.](https://arxiv.org/html/2603.03706v1/2603.03706v1/x8.png)
Исследование представляет расширение платформы MuMax+ для моделирования сложных систем, объединяющих магнитные материалы и электромагнитные микрополости.
Исследователи предлагают подход, позволяющий агентам глубже понимать контекст запроса и находить более релевантную информацию для сложных исследований.
Исследователи представили масштабный тест для оценки способности искусственного интеллекта понимать и взаимодействовать с видеопотоком в режиме реального времени.
Новая архитектура нейронных сетей, основанная на спинтронных элементах, позволяет осуществлять обучение непосредственно в аппаратной части, повышая энергоэффективность и скорость работы.
Новая платформа MACC позволяет исследовать, как взаимодействие между искусственными агентами и правильно выстроенные стимулы могут ускорить научные исследования.
Исследование показывает, как можно значительно уменьшить размер большой языковой модели, обученной на польском языке, сохранив при этом качество генерируемого текста.
![В ходе оценки производительности моделей [latex]gemini-3-flash-previuew[/latex] и [latex]gpt-4.1[/latex] в десяти различных областях решаемых задач, стратегии [latex]agentics-agg[/latex], [latex]agentics-both[/latex] и [latex]agentics-react[/latex] демонстрируют агрегированные результаты, сопоставимые или превосходящие показатели базовой стратегии [latex]baseline-react[/latex].](https://arxiv.org/html/2603.04241v1/2603.04241v1/overall_performance_variable.png)
В статье представлена Agentics 2.0 — платформа, позволяющая создавать надежные, масштабируемые и прозрачные системы на основе искусственного интеллекта, способные к логическому выводу и адаптации.
Новая модель демонстрирует впечатляющие возможности в решении задач, требующих логики, анализа изображений и работы с компьютерными системами.