MétaCan
Menu
Retour à la cohorte
Enregistrement W2044752112 · doi:10.1142/s0218196713500434

COUNTING FINE GRADINGS ON MATRIX ALGEBRAS AND ON CLASSICAL SIMPLE LIE ALGEBRAS

2013· article· en· W2044752112 sur OpenAlexaff

Notice bibliographique

RevueInternational Journal of Algebra and Computation · 2013
Typearticle
Langueen
DomaineMathematics
ThématiqueAdvanced Topics in Algebra
Établissements canadiensMemorial University of Newfoundland
Organismes subventionnairesnon disponible
Mots-clésLie algebraSimple (philosophy)Algebraically closed fieldAdjoint representation of a Lie algebraMatrix (chemical analysis)Affine Lie algebraLie conformal algebraField (mathematics)Simple Lie group

Résumé

récupéré en direct d'OpenAlex

Known classification results allow us to find the number of (equivalence classes of) fine gradings on matrix algebras and on classical simple Lie algebras over an algebraically closed field 𝔽 (assuming char 𝔽 ≠ 2 in the Lie case). The computation is easy for matrix algebras and especially for simple Lie algebras of type B r (the answer is just r + 1), but involves counting orbits of certain finite groups in the case of Series A, C and D. For X ∈ {A, C, D}, we determine the exact number of fine gradings, N X (r), on the simple Lie algebras of type X r with r ≤ 100 as well as the asymptotic behavior of the average, [Formula: see text], for large r. In particular, we prove that there exist positive constants b and c such that [Formula: see text]. The analogous average for matrix algebras M n (𝔽) is proved to be a ln n + O(1) where a is an explicit constant depending on char 𝔽.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut 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: Empirique
Score de désaccord entre enseignants0,063
Score d'incertitude au seuil0,720

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,026
Tête enseignante GPT0,333
Écart entre enseignants0,307 · 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 tête enseignante, 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

Citations3
Publié2013
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Algebra and ComputationMême sujetAdvanced Topics in AlgebraTravaux en français237 207