MétaCan
Menu
Retour à la cohorte
Enregistrement W4296704968 · doi:10.1103/physrevlett.129.130601

Bayesian Information Engine that Optimally Exploits Noisy Measurements

2022· article· en· W4296704968 sur OpenAlexafffund
Tushar K. Saha, Joseph N. E. Lucero, Jannik Ehrich, David A. Sivak, John Bechhoefer

Notice bibliographique

RevuePhysical Review Letters · 2022
Typearticle
Langueen
DomainePhysics and Astronomy
ThématiqueAdvanced Thermodynamics and Statistical Mechanics
Établissements canadiensSimon Fraser University
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaCanada Research ChairsFoundational Questions InstituteSilicon Valley Community Foundation
Mots-clésNoise (video)SIGNAL (programming language)Bayesian probabilityEnergy (signal processing)BeadGravitationPosition (finance)Signal-to-noise ratio (imaging)ThermalPhysicsAcousticsComputer scienceMaterials scienceOpticsClassical mechanicsArtificial intelligenceThermodynamicsQuantum mechanics

Résumé

récupéré en direct d'OpenAlex

We have experimentally realized an information engine consisting of an optically trapped, heavy bead in water. The device raises the trap center after a favorable "up" thermal fluctuation, thereby increasing the bead's average gravitational potential energy. In the presence of measurement noise, poor feedback decisions degrade its performance; below a critical signal-to-noise ratio, the engine shows a phase transition and cannot store any gravitational energy. However, using Bayesian estimates of the bead's position to make feedback decisions can extract gravitational energy at all measurement noise strengths and has maximum performance benefit at the critical signal-to-noise ratio.

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: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,975
Score d'incertitude au seuil0,617

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 Opus0,020
Tête enseignante GPT0,269
Écart entre enseignants0,249 · 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'étudeSimulation ou modélisation
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

Citations27
Publié2022
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revuePhysical Review LettersMême sujetAdvanced Thermodynamics and Statistical MechanicsTravaux en français237 207