MétaCan
Menu
Retour à la cohorte
Enregistrement W1995239336 · doi:10.1103/physrevlett.110.121301

Shape from Sound: Toward New Tools for Quantum Gravity

2013· article· en· W1995239336 sur OpenAlexaff
David Aasen, Tejal Bhamre, Achim Kempf

Notice bibliographique

RevuePhysical Review Letters · 2013
Typearticle
Langueen
DomaineComputer Science
ThématiqueComputer Graphics and Visualization Techniques
Établissements canadiensUniversity of Waterloo
Organismes subventionnairesnon disponible
Mots-clésDifferential geometrySpectral geometryEuclidean geometrySignature (topology)Differential (mechanical device)Metric (unit)PhysicsGauge theoryRiemannian geometryTheoretical physicsDegrees of freedom (physics and chemistry)General relativityGeometryIntersection (aeronautics)Bridging (networking)Computer scienceMathematicsQuantum mechanics

Résumé

récupéré en direct d'OpenAlex

To unify general relativity and quantum theory is hard in part because they are formulated in two very different mathematical languages, differential geometry and functional analysis. A natural candidate for bridging this language gap, at least in the case of the Euclidean signature, is the discipline of spectral geometry. It aims at describing curved manifolds in terms of the spectra of their canonical differential operators. As an immediate benefit, this would offer a clean gauge-independent identification of the metric's degrees of freedom in terms of invariants that should be ready to quantize. However, spectral geometry is itself hard and has been plagued by ambiguities. Here, we regularize and break up spectral geometry into small, finite-dimensional and therefore manageable steps. We constructively demonstrate that this strategy works at least in two dimensions. We can now calculate the shapes of two-dimensional objects from their vibrational spectra.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,004
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: Théorique ou conceptuel
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,006
Score d'incertitude au seuil0,019

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,004
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0020,001
Études des sciences et des technologies0,0010,006
Communication savante0,0040,009
Science ouverte0,0020,004
Intégrité de la recherche0,0020,003
Charge utile insuffisante (le modèle a refusé de juger)0,0060,001

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.

Tête enseignante Opus0,061
Tête enseignante GPT0,341
Écart entre enseignants0,279 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeThéorique ou conceptuel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations25
Publié2013
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuePhysical Review LettersMême sujetComputer Graphics and Visualization TechniquesTravaux en français237 207