MétaCan
Menu
Retour à la cohorte
Enregistrement W2132862541 · doi:10.4171/owr/2006/08

Mini-Workshop: Thick Subcategories - Classifications and Applications

2006· article· en· W2132862541 sur OpenAlexaff
Ragnar-Olaf Buchweitz, Henning Krause, Stefan Schwede

Notice bibliographique

RevueOberwolfach Reports · 2006
Typearticle
Langueen
DomaineMathematics
ThématiqueAlgebraic structures and combinatorial models
Établissements canadiensThe Scarborough HospitalUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésComputer science

Résumé

récupéré en direct d'OpenAlex

Thick subcategories of triangulated categories have been the main topic of this workshop. Triangulated categories arise in many areas of modern mathematics, for instance in algebraic geometry, in representation theory of groups and algebras, or in stable homotopy theory. We give three typical examples of such triangulated categories: In each case, there is a classification of thick subcategories under some appropriate conditions. Recall that a subcategory of a triangulated category is thick , if it is a triangulated subcategory and closed under taking direct factors. Historically, the first classification has been established by Hopkins and Smith for the stable homotopy category, using the nilpotence theorem. A similar idea was then applied by Hopkins and Neeman to categories of perfect complexes over commutative noetherian rings. Later, Thomason extended this classification to schemes. For stable categories of finite group representations, the classification of thick subcategories is due to Benson, Carlson, and Rickard. The format of the workshop has been a combination of introductory survey lectures and more specialized talks on recent progress and open problems. The mix of participants from different mathematical areas and the relatively small size of the workshop provided an ideal atmosphere for fruitful interaction and exchange of ideas. It is a pleasure to thank the administration and the staff of the Oberwolfach Institute for their efficient support and hospitality.

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)0,003
score de la tête « metaresearch » (Gemma)0,003
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: Sans objet
GenreSignal candidat: Autre · Signal consensuel: aucune
Score de désaccord entre enseignants0,037
Score d'incertitude au seuil0,124

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,003
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,002
Bibliométrie0,0010,001
Études des sciences et des technologies0,0020,001
Communication savante0,0050,005
Science ouverte0,0030,006
Intégrité de la recherche0,0020,004
Charge utile insuffisante (le modèle a refusé de juger)0,0370,014

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 Opus0,028
Tête enseignante GPT0,281
Écart entre enseignants0,253 · 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'étudeSans objet
Domainenon disponible
GenreAutre

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

En bref

Citations2
Publié2006
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueOberwolfach ReportsMême sujetAlgebraic structures and combinatorial modelsTravaux en français237 207