MétaCan
Menu
Retour à la cohorte
Enregistrement W2136408597 · doi:10.1002/cpa.20210

Projection of diffusions on submanifolds: Application to mean force computation

2007· article· en· W2136408597 sur OpenAlexfundno aff
Giovanni Ciccotti, Tony Lelièvre, Eric Vanden‐Eijnden

Notice bibliographique

RevueCommunications on Pure and Applied Mathematics · 2007
Typearticle
Langueen
DomainePhysics and Astronomy
ThématiqueModel Reduction and Neural Networks
Établissements canadiensnon disponible
Organismes subventionnairesCentre de Recherches MathématiquesUniversity of Minnesota
Mots-clésSubmanifoldMathematicsErgodic theoryContext (archaeology)Stochastic differential equationProjection (relational algebra)ComputationDistribution (mathematics)Applied mathematicsMathematical analysisAlgorithm

Résumé

récupéré en direct d'OpenAlex

Abstract We consider the problem of sampling a Boltzmann‐Gibbs probability distribution when this distribution is restricted (in some suitable sense) on a submanifold Σ of ℝn implicitly defined by N constraints q1(x) = ⃛ = qN(x) = 0 (N < n). This problem arises, for example, in systems subject to hard constraints or in the context of free energy calculations. We prove that the constrained stochastic differential equations (i.e., diffusions) proposed in [7, 13] are ergodic with respect to this restricted distribution. We also construct numerical schemes for the integration of the constrained diffusions. Finally, we show how these schemes can be used to compute the gradient of the free energy associated with the constraints. © 2007 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 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: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,004
Score d'incertitude au seuil0,008

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,004
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,000
Études des sciences et des technologies0,0010,002
Communication savante0,0010,001
Science ouverte0,0010,002
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,027
Tête enseignante GPT0,298
Écart entre enseignants0,271 · 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

Citations103
Publié2007
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCommunications on Pure and Applied MathematicsMême sujetModel Reduction and Neural NetworksTravaux en français237 207