Сверхпроводимость нового типа: фотодопинг открывает путь к высоким температурам

В исследовании температуры сверхпроводящего перехода в системах Хаббарда, подвергшихся химическому и фотодопингу, установлено, что конкурирующий порядок заряда подавляется, при этом расчеты в рамках различных приближений - DCA для отталкивающей модели ([latex]U=7t[/latex]), NCA и OCA для притягивающей ([latex]U=-{16}t[/latex]) и TOA ([latex]U=-7t[/latex]) - демонстрируют возможность достижения сверхпроводимости при различных уровнях допирования носителей заряда.

Исследование демонстрирует, что фотодопинг моттовских изоляторов может индуцировать сверхпроводимость с η-спариванием, потенциально превышающую комнатную температуру.

Вычислительная стабильность: как обеспечить предсказуемость при изменении данных

Новое исследование демонстрирует, что вычислительные ресурсы могут масштабироваться в соответствии с семантическими изменениями, а не с объемом памяти, обеспечивая стабильность и предсказуемость системы.

Баланс между мощностью и энергоэффективностью: оптимизация ИИ на ARM

Наблюдается компромисс между энергопотреблением и точностью моделей M4 и M7 при различных длинах инференса - коротких, средних и длинных - причём оптимальные варианты для каждой рабочей нагрузки выделяются на фронте Парето.

Новое исследование показывает, как подобрать оптимальный процессор и модель искусственного интеллекта для встраиваемых систем, учитывая частоту выполнения задач.

Суперсимметрия из закрученных D4-бран: новые горизонты квантовой механики

Интерполяция решений между локально плоскими доменными стенками [latex]SO(4)[/latex] при [latex]\rho \rightarrow +\in fty[/latex] и искривленными доменными стенками, разрезанными [latex]t \times CP^{2}[/latex], демонстрирует поведение скрутки [latex]SO(3)[/latex] в калибровочной группе [latex]SO(4) \ltimes \mathbb{R}^{4}[/latex], где кривые, соответствующие значениям g=0.30, 0.60, 0.90, 1.25, 2.12 и 4.4, отражают влияние параметра g на характеристики скрутки.

В статье исследуются решения в шестимерной калибровочной супергравитации, описывающие D4-браны, обернутые вокруг различных многообразий, с целью поиска голографических дуалов для суперсимметричной квантовой механики.

Нейросети под микроскопом: Поиск и проверка схем принятия решений

Сиамское кодирование, представленное на рисунке, позволяет сертифицировать гарантию, сформулированную в определении 1, обеспечивая таким образом формальную проверку предложенного подхода.

Новая работа предлагает автоматизированный метод выявления ключевых схем в нейронных сетях с математически строгими гарантиями их надежности и минимальности.

Голограммы будущего: нейросети и точная физика

В ходе исследования продемонстрирована способность предсказанных фазовых голограмм [latex] [-\pi, \pi] [/latex] формировать интенсивность дальнего поля, соответствующую целевым изображениям размером [latex] 28 \times 28 [/latex], что подтверждает эффективность предложенного подхода к генерации пользовательских оптических целей.

Новый подход к генерации фазовых голограмм с использованием трансформеров и точных расчетов дифракции позволяет создавать высококачественные изображения быстрее и эффективнее традиционных методов.

За гранью локальной плотности: современные функционалы теории функционала плотности

В статье представлен всесторонний обзор современных полулокальных и гибридных функционалов, используемых в теории функционала плотности, и их влияние на точность расчетов.

Узелки и нейросети: где кроется истина?

Обучение нейронных сетей классификации узлов на основе геометрических вложений может приводить к упрощённым решениям, эксплуатирующим корреляции между размером вложения и топологией узла, что демонстрируется на примере различения тривиального и трефоильного узлов, где сеть ошибочно классифицирует узлы, если размеры вложений не соответствуют ожидаемым, несмотря на то, что размер не является истинным инвариантом топологии.

Новое исследование показывает, что алгоритмы машинного обучения при классификации узлов часто полагаются на легко обнаруживаемые геометрические признаки, а не на фундаментальные топологические свойства.