Développement d’un modèle dual au modèle t-J pour l’étude de l’intrication interparticule par réseaux de tenseurs
Bibliographic record
Abstract
Dans un système à plusieurs corps, l’entropie d’intrication nous permet d’évaluer la magnitude de l’intrication entre deux parties du système. Nous pouvons imaginer deux types de partitions. Dans un premier temps, nous pouvons partitionner entre les sites du réseau. Dans un second temps, nous pouvons partitionner entre les particules dans le système. Dans un hamiltonien fermionique régulier, la position des sites est très bien définie et il sera aisé de partitionner entre les sites. Cependant, la position des particules n’est pas bien définie et il va être difficile d’identifier le nombre de particules de chaque côté d’une partition. Dans ce mémoire, nous présentons une représentation duale pour le modèle t-J où les particules sont fixées à un site spécifique, ce qui permet l’étude de l’intrication entre particules dans des systèmes de grande taille. Nous comparons cette représentation au modèle t-J régulier en utilisant diverses métriques. Plus spécifiquement, nous étudions : l’énergie de l’état fondamental, le diagramme de phase ainsi que le coefficient d’entropie des deux modèles. Nos simulations ont montré que l’entropie d’intrication agit différemment dans une partition entre les sites par rapport à une partition entre les particules. Dans la représentation originale, le coefficient d’entropie avec la taille du réseau est constant sans transition de phase. Cependant, elle varie dans la représentation duale. La difficulté de représenter un état avec des réseaux de tenseurs est principalement due à l’intrication dans le système. Dès lors, le modèle dual peut potentiellement représenter des états qui sont intraitables dans la représentation originale.
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 | 0.001 | 0.003 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.003 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.001 | 0.003 |
| Scholarly communication | 0.004 | 0.005 |
| Open science | 0.002 | 0.002 |
| Research integrity | 0.002 | 0.003 |
| Insufficient payload (model declined to judge) | 0.012 | 0.003 |
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".