MétaCan
Menu
Retour à la cohorte
Enregistrement W2902037584 · doi:10.1088/1751-8121/ab0981

Knotting statistics for polygons in lattice tubes*

2019· article· en· W2902037584 sur OpenAlexafffund
Nicholas R. Beaton, Jeremy Eng, C E Soteros

Notice bibliographique

RevueJournal of Physics A Mathematical and Theoretical · 2019
Typearticle
Langueen
DomainePhysics and Astronomy
ThématiqueTheoretical and Computational Physics
Établissements canadiensUniversity of Saskatchewan
Organismes subventionnairesAustralian Research CouncilNatural Sciences and Engineering Research Council of CanadaCompute CanadaPacific Institute for the Mathematical Sciences
Mots-clésKnot (papermaking)Polygon (computer graphics)ExponentMonte Carlo methodMathematicsRegular polygonPoint in polygonCombinatoricsLattice (music)Statistical physicsStatisticsGeometryPhysicsComputer scienceMaterials science

Résumé

récupéré en direct d'OpenAlex

Abstract We study several related models of self-avoiding polygons in a tubular subgraph of the simple cubic lattice, with a particular interest in the asymptotics of the knotting statistics. Polygons in a tube can be characterised by a finite transfer matrix, and this allows for the derivation of pattern theorems, calculation of growth rates and exact enumeration. We also develop a static Monte Carlo method which allows us to sample polygons of a given size directly from a chosen Boltzmann distribution. Using these methods we accurately estimate the growth rates of unknotted polygons in the and tubes, and confirm that these are the same for any fixed knot-type K . We also confirm that the entropic exponent for unknots is the same as that of all polygons, and that the exponent for fixed knot-type K depends only on the number of prime factors in the knot decomposition of K . For the simplest knot-types, this leads to a good approximation for the polygon size at which the probability of the given knot-type is maximized, and in some cases we are able to sample sufficiently long polygons to observe this numerically.

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 enseignants0,313
Score d'incertitude au seuil0,436

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 Opus0,005
Tête enseignante GPT0,245
Écart entre enseignants0,240 · 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

Citations9
Publié2019
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueJournal of Physics A Mathematical and TheoreticalMême sujetTheoretical and Computational PhysicsTravaux en français237 207