MétaCan
Menu
Retour à la cohorte
Enregistrement W2972961174 · doi:10.2140/apde.2020.13.1955

Refined mass-critical Strichartz estimates forSchrödinger operators

2020· article· en· W2972961174 sur OpenAlexaff
Casey Jao

Notice bibliographique

RevueAnalysis & PDE · 2020
Typearticle
Langueen
DomaineMathematics
ThématiqueAdvanced Mathematical Physics Problems
Établissements canadiensUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésMathematicsBilinear interpolationFourier transformHomogeneous spaceInvariant (physics)Mathematical analysisDimension (graph theory)InverseSpacetimeHarmonic oscillatorPure mathematicsMathematical physicsGeometryQuantum mechanicsPhysics

Résumé

récupéré en direct d'OpenAlex

We develop refined Strichartz estimates at [math] regularity for a class of time-dependent Schrödinger operators. Such refinements quantify near-optimizers of the Strichartz estimate and play a pivotal part in the global theory of mass-critical NLS. On one hand, the harmonic analysis is quite subtle in the [math] -critical setting due to an enormous group of symmetries, while on the other hand, the space-time Fourier analysis employed by the existing approaches to the constant-coefficient equation are not adapted to nontranslation-invariant situations, especially with potentials as large as those considered in this article.\n¶ Using phase-space techniques, we reduce to proving certain analogues of (adjoint) bilinear Fourier restriction estimates. Then we extend Tao’s bilinear restriction estimate for paraboloids to more general Schrödinger operators. As a particular application, the resulting inverse Strichartz theorem and profile decompositions constitute a key harmonic analysis input for studying large-data solutions to the [math] -critical NLS with a harmonic oscillator potential in dimensions [math] . This article builds on recent work of Killip, Visan, and the author in one space dimension.

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)0,002
score de la tête « metaresearch » (Gemma)0,006
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: aucune
Score de désaccord entre enseignants0,006
Score d'incertitude au seuil0,021

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,006
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0020,001
Études des sciences et des technologies0,0010,002
Communication savante0,0020,005
Science ouverte0,0010,003
Intégrité de la recherche0,0010,003
Charge utile insuffisante (le modèle a refusé de juger)0,0060,001

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 Opus0,070
Tête enseignante GPT0,365
Écart entre enseignants0,295 · 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

Citations2
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAnalysis & PDEMême sujetAdvanced Mathematical Physics ProblemsTravaux en français237 207