Long time wave packet dynamics from energy eigenfunctions: Nonuniform energy resolution via adaptive bisection fast Fourier transformation
Notice bibliographique
Résumé
This article presents a new approach to long time wave packet propagation. The methodology relies on energy domain calculations and an on-the-surface straightforward energy to time transformation to provide wave packet time evolution. The adaptive bisection fast Fourier transform method employs selective bisection to create a multiresolution energy grid, dense near resonances. To implement fast Fourier transforms on the nonuniform grid, the uniform grid corresponding to the finest resolution is reconstructed using an iterative interpolation process. By proper choice of the energy grid points, we are able to produce results equivalent to grids of the finest resolution, with far fewer grid points. We have seen savings 20-fold in the number of eigenfunction calculations. Since the method requires computation of energy eigenfunctions, it is best suited for situations where many wave packet propagations are of interest at a fixed small set of points--as in time dependent flux computations. The fast Fourier transform (FFT) algorithm used is an adaptation of the Danielson-Lanczos FFT algorithm to sparse input data. A specific advantage of the adaptive bisection FFT is the possibility of long time wave packet propagations showing slow resonant decay. A method is discussed for obtaining resonance parameters by least squares fitting of energy domain data. The key innovation presented is the means of separating out the smooth background from the sharp resonance structure.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».