MétaCan
Menu
← Retour à la cohorte
Enregistrement W4405989807 · doi:10.1063/5.0244162

Path integral Monte Carlo in a discrete variable representation with Gibbs sampling: Dipolar planar rotor chain

2025· article· en· W4405989807 sur OpenAlexafffund
Muhammad Shaeer Moeed, Tobias Serwatka, Estêvão V. B. de Oliveira, Pierre–Nicholas Roy

Notice bibliographique

RevueThe Journal of Chemical Physics · 2025
Typearticle
Langueen
DomainePhysics and Astronomy
ThématiquePhysics of Superconductivity and Magnetism
Établissements canadiensUniversity of Waterloo
Organismes subventionnairesCanada Foundation for InnovationOntario Ministry of Research and InnovationNatural Sciences and Engineering Research Council of CanadaCanada Research Chairs
Mots-clésStatistical physicsMonte Carlo methodMathematicsPath integral Monte CarloGibbs samplingPath integral formulationHybrid Monte CarloSlice samplingMonte Carlo molecular modelingMarkov chain Monte CarloDiscretizationPhysicsQuantum Monte CarloMathematical analysisQuantum mechanicsStatisticsBayesian probability

Résumé

récupéré en direct d'OpenAlex

In this work, we propose a path integral Monte Carlo approach based on discretized continuous degrees of freedom and rejection-free Gibbs sampling. The ground state properties of a chain of planar rotors with dipole-dipole interactions are used to illustrate the approach. Energetic and structural properties are computed and compared to exact diagonalization and numerical matrix multiplication for N ≤ 3 to assess the systematic Trotter factorization error convergence. For larger chains with up to N = 100 rotors, Density Matrix Renormalization Group calculations are used as a benchmark. We show that using Gibbs sampling is advantageous compared to traditional Metropolis-Hastings rejection importance sampling. Indeed, Gibbs sampling leads to lower variance and correlation in the computed observables.

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)0,003
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,005
Score d'incertitude au seuil0,009

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,003
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,002
Communication savante0,0010,001
Science ouverte0,0020,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,014
Tête enseignante GPT0,259
Écart entre enseignants0,244 · 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'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

Citations3
Publié2025
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueThe Journal of Chemical Physics→Même sujetPhysics of Superconductivity and Magnetism→Travaux en français237 207→