Mean Curvature Flow of Mean Convex Hypersurfaces
Notice bibliographique
Résumé
In the last 15 years, White and Huisken‐Sinestrari developed a far‐reaching structure theory for the mean curvature flow of mean convex hypersurfaces. Their papers provide a package of estimates and structural results that yield a precise description of singularities and of high‐curvature regions in a mean convex flow. In the present paper, we give a new treatment of the theory of mean convex (and k‐convex) flows. This includes: (1) an estimate for derivatives of curvatures, (2) a convexity estimate, (3) a cylindrical estimate, (4) a global convergence theorem, (5) a structure theorem for ancient solutions, and (6) a partial regularity theorem. Our new proofs are both more elementary and substantially shorter than the original arguments. Our estimates are local and universal. A key ingredient in our new approach is the new noncollapsing result of Andrews [2]. Some parts are also inspired by the work of Perelman [32,33]. In a forthcoming paper [17], we will give a new construction of mean curvature flow with surgery based on the methods established in the present paper. Note added in May 2015. Since the first version of this paper was posted on arxiv in April 2013, the estimates have been used to construct mean convex flow with surgery in ℝ3 by Brendle and Huisken [5] in September 2013 and in another paper by the authors in April 2014.© 2016 Wiley Periodicals, Inc.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,001 | 0,002 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».