On the Evaluation of the Eigendecomposition of the Airy Integral Operator
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
The distributions of the $k$-th largest level at the soft edge scaling limit of Gaussian ensembles are some of the most important distributions in random matrix theory, and their numerical evaluation is a subject of great practical importance. One numerical method for evaluating the distributions uses the fact that they can be represented as Fredholm determinants involving the so-called Airy integral operator. When the spectrum of the integral operator is computed by discretizing it directly, the eigenvalues are known to at most absolute precision. Remarkably, the Airy integral operator is an example of a so-called bispectral operator, which admits a commuting differential operator that shares the same eigenfunctions. In this manuscript, we develop an efficient numerical algorithm for evaluating the eigendecomposition of the Airy integral operator to full relative precision, using the eigendecomposition of the commuting differential operator. This allows us to rapidly evaluate the distributions of the $k$-th largest level to full relative precision rapidly everywhere except in the left tail, where they are computed to absolute precision. In addition, we characterize the eigenfunctions of the Airy integral operator, and describe their extremal properties in relation to an uncertainty principle involving the Airy transform. We observe that the Airy integral operator is fairly universal, and we describe a separate application to Airy beams in optics. Using the eigenfunctions, we compute a finite-energy Airy beam that is optimal, in the sense that the beam is both maximally concentrated, and maximally non-diffracting and self-accelerating.
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
score_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