MétaCan
Menu
Retour à la cohorte
Enregistrement W4403578252 · doi:10.48550/arxiv.2410.12516

Deformation Quantization via Categorical Factorization Homology

2024· preprint· en· W4403578252 sur OpenAlexfundno aff
Eilind Karlsson, Corina Keller, Lukas Müller, Ján Pulmann

Notice bibliographique

RevuearXiv (Cornell University) · 2024
Typepreprint
Langueen
DomaineComputer Science
ThématiqueTopological and Geometric Data Analysis
Établissements canadiensnon disponible
Organismes subventionnairesMinistry of Colleges and UniversitiesInstitut Périmètre de physique théoriqueSchweizerischer Nationalfonds zur Förderung der Wissenschaftlichen ForschungDeutsche ForschungsgemeinschaftEuropean CommissionGovernment of Canada
Mots-clésFactorizationCategorical variableHomology (biology)Deformation (meteorology)Quantization (signal processing)MathematicsComputer sciencePure mathematicsComputational biologyPhysicsGeneticsBiologyAlgorithmGene

Résumé

récupéré en direct d'OpenAlex

This paper develops an approach to categorical deformation quantization via factorization homology. We show that a quantization of the local coefficients for factorization homology is equivalent to consistent quantizations of its value on manifolds. To formulate our results we introduce the concepts of shifted almost Poisson and BD categories. Our main example is the character stack of flat principal bundles for a reductive algebraic group $G$, where we show that applying the general framework to the Drinfeld category reproduces deformations previously introduced by Li-Bland and Ševera. As a direct consequence, we can conclude a precise relation between their quantization and those introduced by Alekseev, Grosse, and Schomerus. To arrive at our results we compute factorization homology with values in a ribbon category enriched over complete $\mathbb{C}[[\hbar]]$-modules. More generally, we define enriched skein categories which compute factorization homology for ribbon categories enriched over a general closed symmetric monoidal category $\mathcal{V}$.

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: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,964
Score d'incertitude au seuil0,837

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,003
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0010,002
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,001

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 Opus0,063
Tête enseignante GPT0,191
Écart entre enseignants0,128 · 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

Citations0
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuearXiv (Cornell University)Même sujetTopological and Geometric Data AnalysisTravaux en français237 207