MétaCan
Menu
Retour à la cohorte
Enregistrement W2414685785 · doi:10.1063/1.4996135

Driving quantum systems with superoscillations

2017· preprint· en· W2414685785 sur OpenAlexafffund
Achim Kempf, Angus Prain

Notice bibliographique

RevueJournal of Mathematical Physics · 2017
Typepreprint
Langueen
DomainePhysics and Astronomy
ThématiqueStrong Light-Matter Interactions
Établissements canadiensUniversity of Waterloo
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésPhysicsFourier transformOpticsBandlimitingDissipationResonance (particle physics)Harmonic oscillatorStatistical physicsComputational physicsQuantum mechanics

Résumé

récupéré en direct d'OpenAlex

Superoscillations, i.e., the phenomenon that a bandlimited function can temporary oscillate faster than its highest Fourier component, are being much discussed for their potential for “superresolution” beyond the diffraction limit. Here, we consider systems that are driven with a time dependence that is off-resonance for the system, in the Fourier sense. We show that superoscillating sources can temporarily induce resonance during the period when the source is behaving superoscillatory. This observation poses the question as to how the system “undoes” the “false resonance” after the full source has acted and its band limitation is apparent. We discuss several examples of systems that might be capable of distilling the temporary excitation through some non-harmonic effects, such as dissipation or dispersion at high frequencies, opening up the possibility of low frequency detection of “fast” microphysics through superoscillations. We conclude that either superoscillations really can beat the bandlimit and achieve superresolution (“kinematic superresolution”) or the superoscillating high frequency is absorbed and we gain dynamical access to the physics of high frequency processes with low frequency signals (“dynamical superresolution”).

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)0,000
score de la tête « metaresearch » (Gemma)0,001
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: Empirique
Score de désaccord entre enseignants0,003
Score d'incertitude au seuil0,010

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,001
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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 Opus0,036
Tête enseignante GPT0,304
Écart entre enseignants0,268 · 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

Citations1
Publié2017
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueJournal of Mathematical PhysicsMême sujetStrong Light-Matter InteractionsTravaux en français237 207