MétaCan
Menu
Retour à la cohorte
Enregistrement W2947036735 · doi:10.1214/21-aihp1157

On testing for parameters in Ising models

2022· preprint· fr· W2947036735 sur OpenAlexaff
Rajarshi Mukherjee, Gourab Ray

Notice bibliographique

RevueAnnales de l Institut Henri Poincaré Probabilités et Statistiques · 2022
Typepreprint
Languefr
DomaineMathematics
ThématiqueMarkov Chains and Monte Carlo Methods
Établissements canadiensUniversity of Victoria
Organismes subventionnairesnon disponible
Mots-clésIsing modelMinimaxMathematicsStatistical physicsRandom graphUpper and lower boundsPercolation (cognitive psychology)k-nearest neighbors algorithmMatching (statistics)Percolation thresholdGraphCombinatoricsPhysicsComputer scienceStatisticsMathematical analysisMathematical optimizationQuantum mechanics

Résumé

récupéré en direct d'OpenAlex

Nous considérons le problème du test des paramètres des modèles d’Ising ferromagnétique. Tout en testant la présence d’aimantations externes éventuellement éparses, nous fournissons une limite inférieure générale des taux de séparation minimax qui donne des résultats précis dans des régimes à haute température. Nos limites supérieures correspondantes sont adaptatives à la fois sur le graphique de dépendance sous-jacent et sur le paramètre de température. De plus, nos résultats incluent le modèle du plus proche voisin sur les réseaux, les graphes aléatoires creux d’Erdős–Rényi et les arbres enracinés réguliers – jusqu’à la température critique dans le régime à haute température. Nous fournissons également résultats parallèles pour l’ensemble du régime de basse température dans le modèle du plus proche voisin sur les réseaux – cependant dans la phase pure de la frontière plus. Nos résultats pour le modèle du plus proche voisin dépendent de manière cruciale des analogues de volume fini de la propriété de décroissance de la corrélation pour les régimes de température élevée et basse – dont la dérivation emprunte plusieurs idées à la théorie de la percolation FK et pourrait présenter un intérêt indépendant. Enfin, nous obtenons également des limites inférieures pour les taux d’estimation et de test dans les modèles d’Ising à deux paramètres – qui s’avèrent être optimaux selon plusieurs résultats récents dans cette zone.

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)0,009
score de la tête « metaresearch » (Gemma)0,014
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche, Méta-épidémiologie (sens strict), Intégrité de la recherche
Catégories consensuellesMéta-épidémiologie (sens strict)
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: Théorique ou conceptuel
GenreSignal candidat: Méthodes · Signal consensuel: Méthodes
Score de désaccord entre enseignants0,329
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0090,014
Méta-épidémiologie (sens strict)0,0010,002
Méta-épidémiologie (sens large)0,0020,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,001
Communication savante0,0000,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,003
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 Opus0,201
Tête enseignante GPT0,411
Écart entre enseignants0,209 · 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.

Devis d'étudeThéorique ou conceptuel
Domainenon disponible
GenreMéthodes

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

En bref

Citations6
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAnnales de l Institut Henri Poincaré Probabilités et StatistiquesMême sujetMarkov Chains and Monte Carlo MethodsTravaux en français237 207