Вещественно-нормированные дифференциалы: пределы на стабильных кривых
Bibliographic record
Abstract
В работе исследуется поведение вещественно-нормированных (ВН) мероморфных дифференциалов на римановых поверхностях при вырождении этих поверхностей. Мы описываем все возможные пределы ВН-дифференциалов на стабильной кривой, в частности, доказываем, что вычеты в нодальных точках даются решением соответствующей задачи Кирхгофа на двойственном графе кривой. Мы также доказываем, что пределы нулей ВН-дифференциалов образуют дивизор нулей подкрученного дифференциала, представляющего собой явно описанный набор ВН-дифференциалов на неприводимых компонентах стабильной кривой с полюсами порядка выше первого в некоторых нодальных точках. Основным техническим средством, используемым в работе, является новый метод построения дифференциалов на гладких римановых поверхностях (применяемый здесь для ВН-дифференциалов, но имеющий бо́льшую общность) в окрестности фиксированной стабильной кривой в координатах вклейки (plumbing coordinates). При этом гладкая риманова поверхность рассматривается как дополнение к окрестности нодальных точек на стабильной кривой, граничные окружности которых попарно отождествлены. Задача построения дифференциала на гладкой римановой поверхности с предписанными особенностями сводится к построению дифференциалов с заданными "скачкáми" на линиях склейки (швах). Этот аддитивный аналог задачи Римана-Гильберта решается новым методом, в котором вместо ядра Коши на гладкой римановой поверхности, полученной вклейкой, итеративно используются интегралы с ядрами Коши на неприводимых компонентах стабильной кривой. Поскольку стабильная кривая фиксирована, для построенного дифференциала можно получить явные оценки, что позволяет провести точный анализ вырождения. Библиография: 22 названия.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.003 | 0.008 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.002 | 0.002 |
| Science and technology studies | 0.004 | 0.007 |
| Scholarly communication | 0.011 | 0.008 |
| Open science | 0.001 | 0.004 |
| Research integrity | 0.002 | 0.003 |
| Insufficient payload (model declined to judge) | 0.031 | 0.007 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".