Supervised and Transfer Learning for Phase Transition Research

V. Chertenkov; L. Shchur

doi:10.1007/978-3-031-78459-0_31

Публикации

?

Supervised and Transfer Learning for Phase Transition Research

Lecture Notes in Computer Science. 2025. Vol. 15406. P. 434–449.

Чертенков В. И., Щур Л. Н.

Studies in Computational Intelligence

Springer, 2026.

Добавлено: 13 октября 2026 г.

Lecture Notes in Civil Engineering

Springer, 2026.

Добавлено: 13 октября 2026 г.

Sandpile Cellular Automata with Manna Rule on the Chung-Lu Graph: Application to X Social Network

Дмитриев А. В., Корнилов В. В., Batienkov R., Lecture Notes in Civil Engineering 2026 Vol. 886 P. 249–255

Добавлено: 13 октября 2026 г.

Sandpile Cellular Automata with Manna Rule on the Chung-Lu Graph: Application to X Social Network

Дмитриев А. В., Shulman I., Лебедев А. А., Studies in Computational Intelligence 2026 Vol. 1265 P. 266–273

Добавлено: 13 октября 2026 г.

Неравновесное состояние в квазиодномерных сверхпроводящих каналах

Арутюнов К. Ю., Харитонов И. А., Петросянц К. О., JETP Letters 2026 Vol. 124 No. 6 P. 1–16

Добавлено: 13 октября 2026 г.

When universal machine learning models fail in capacitance prediction for carbon-based supercapacitors: Leakage-aware validation and electrolyte screening

Makarov D. M., Каликин Н. Н., Fashchevsky K. A. и др., Electrochimica Acta 2026 Vol. 579 Article 150159

Добавлено: 13 октября 2026 г.

LiteKV: A KV cache compression method for efficient inference on resource-constrained devices

Zhang Z., Ильвовский Д. А., Information Processing and Management 2026 Vol. 63 No. 7

Добавлено: 13 октября 2026 г.

No Species Is an Island, Entire of Itself: Genetic Speciation Algorithm with Interplay among Species

International Journal of Engineering, Transactions B: Applications 2027 Vol. 40 No. 5 P. 1437–1460

Добавлено: 12 октября 2026 г.

Ranging Precision Comparison of Direct and Non-Line-of-Sight LiDAR Systems Based on SNSPD

Махлуф М., Ожегов Р. В., Елезов М. С. и др., Фотоника 2026 Vol. 20 No. 6 P. 414–423

В данной работе проведено сравнение точности дальнометрии лидарных архитектур прямого времени пролёта (dToF) и вне прямой видимости (NLOS), обе из которых используют сверхпроводящий нанопроволочный детектор одиночных фотонов (SNSPD). Обе системы работают на длине волны 1550 нм с импульсным лазером длительностью 50 пс и методом коррелированного во времени счёта одиночных фотонов (TCSPC). Конфигурация dToF обеспечила точность около 100 мкм ...

Добавлено: 12 октября 2026 г.

JavaCapsule: Итеративная генерация и отладка Java-кода на основе структурированной обратной связи

Александров Д. В., Василевский В. И., Резуник Л. и др., Труды Института системного программирования РАН 2026 Т. 38 № 5 С. 73–90

Ограничения при выполнении задач, требующих точного извлечения информации из сверхдлинных последовательностей, приводят к снижению качества генерации и отладки кода крупных объектно-ориентированных систем, характеризующихся сложными межклассовыми зависимостями и необходимостью анализа длинных трассировок выполнения, превышающих размеры стандартных контекстных окон. Предлагается технология JavaCapsule для генерации и отладки Java-кода, реализующая итеративную отладку на основе структурированной обратной связи, включающей результаты ...

Добавлено: 12 октября 2026 г.

On the Validity of Transfer Learning for Temperature and Critical Exponent Extraction

Суховерхова Д. Д., Щур Л. Н., , in: Proceedings of the 34th IUPAP Conference on Computational Physics: CCP2023, August 4-8, Kobe, Japan.: Singapore: Springer Singapore, 2026. Ch. 17 P. 145–155.

Добавлено: 12 октября 2026 г.

Proceedings of the 34th IUPAP Conference on Computational Physics: CCP2023, August 4-8, Kobe, Japan

Singapore: Springer, 2026.

Добавлено: 12 октября 2026 г.

РАЗРАБОТКА МЕТОДА И АЛГОРИТМОВ АДАПТИВНОГО ФЕДЕРАТИВНОГО ОБУЧЕНИЯ С УЧЕТОМ РАСПРЕДЕЛЕННОГО ЗАПАЗДЫВАНИЯ КЛИЕНТСКИХ ОБНОВЛЕНИЙ

Зыков С. В., Ермаков С. Р., Современные наукоемкие технологии 2026 № 9 С. 43–53

При федеративном обучении с неоднородными клиентскими данными и переменными задержками запоздавшие обновления могут ухудшать качество модели, а обмен параметрами с глобальным сервером увеличивает сетевую нагрузку. Целью исследования является разработка и теоретико-экспериментальное обоснование метода и алгоритмов адаптивного федеративного обучения с учетом распределенного запаздывания клиентских обновлений. Для обоснования разрабатываемых решений использованы событийная и непрерывная модели градиентных обновлений, ...

Добавлено: 11 октября 2026 г.

Effect of External Pressure and Quantum State on the Local Magnetization of Germanium Layers: Ab Initio Calculation.

Goncharov A., Чибисов А. Н., Advanced Theory and Simulations 2023 Vol. 12 No. 13 Article 2200816

Добавлено: 11 октября 2026 г.

Quantum-mechanical study of the optimal phosphorus atoms arrangement on silicene.

Чибисов А. Н., Gnidenko A., Chibisova M. и др., FlatChem 2023 Vol. 41 Article 100533

Добавлено: 11 октября 2026 г.

Density functional theory investigation on fast storage of sodium and potassium in Ni2TeO6 as a novel promising cathode material.

Wu Z., Yu Y., Чибисов А. Н., Materials Today Energy 2023 Vol. 37 Article 101414

Добавлено: 11 октября 2026 г.

Ab Initio Study of the Influence of Spin and Orbital Magnetic Moments on the Stability of Magnetic and Charge Distribution in Co:ZnO Monolayer.

Prokhorenko A., Чибисов А. Н., Gnidenko A. и др., The Journal of Physical Chemistry Letters 2024 Vol. 15 No. 41 P. 10295–10300

Добавлено: 11 октября 2026 г.

Quantum-mechanical prediction of the behavior of quantum trigger on a two-qubit cell of boron in silicene.

Чибисов А. Н., Chibisova M., Modern Electronic Materials 2025 Vol. 71 P. 99–103

Добавлено: 11 октября 2026 г.

Algorithmic overlaps as thermodynamic variables: From local to cluster Monte Carlo dynamics in critical phenomena

Пиле Я. Э., Deng Y., Щур Л. Н., Physical Review B: Condensed Matter and Materials Physics 2026 Vol. 114 No. 1 Article 014101

Добавлено: 6 июля 2026 г.

Supervised Learning in Critical Phenomena—Statistical and Systematic Accuracy

Chertenkov V. I., Щур Л. Н., Lobachevskii Journal of Mathematics 2026 Vol. 47 No. 2 P. 720–727

Добавлено: 16 июня 2026 г.

Ising models on the hydrogen peroxide and other lattices

Qian X., Deng Y., Lev N. Shchur и др., Physica A: Statistical Mechanics and its Applications 2026 Vol. 696 Article 131679

Добавлено: 24 мая 2026 г.

Генерация правдоподобных снимков микроструктур композитного сплава WC/Co при помощи нейронных сетей

Каграманян Д. Г., В кн.: ТЕЗИСЫ XXVI ВСЕРОССИЙСКОЙ КОНФЕРЕНЦИИ МОЛОДЫХ УЧЁНЫХ ПО МАТЕМАТИЧЕСКОМУ МОДЕЛИРОВАНИЮ И ИНФОРМАЦИОННЫМ ТЕХНОЛОГИЯМ.: [б.и.], 2025.

Исследование статистических свойств микроструктур композитных материалов проводится путем анализа микрофотографий срезов материала. Часто анализ снимков может быть ограничен из-за малого размера выборки снимков. В работе исследуется возможность создания искусственных микроструктур с помощью генеративных нейронных сетей: диффузионная сеть и GAN. Мы хотим ответить на вопрос, можно ли при помощи генеративных сетей усиливать статистические свойства исходных данных. ...

Добавлено: 8 февраля 2026 г.

Study of low temperature reactive magnetron sputtering NbN films for fabrication of an ultra-high sensitive detector

Ивашенцева И. В., Каурова Н. С., Воронов Б. М. и др., St. Petersburg Polytechnical University Journal: Physics and Mathematics 2025 Vol. 18 No. 3.2 P. 129–133

Сверхпроводящие пленки NbN, изготовленные методом реактивного магнетронного распыления, являются чувствительным элементом болометров на эффекте © Ivashentseva I.V., Kaurova N.S., Voronov B.M., Goltsman G.N., Tretyakov I.V., 2025. Published by Peter the Great St. Petersburg Polytechnic University. 129 St. Petersburg Polytechnic University Journal. Physics and Mathematics. 2025. Vol. 18. No. 3.2 электронного разогрева HEB. Основной принцип HEB ...

Добавлено: 24 декабря 2025 г.

Extraction of properties of anisotropic spin model by deep transfer learning methods

D.D. Sukhoverkhova, L.N. Shchur, , in: Параллельные вычислительные технологии – XIX всероссийская конференция с международным участием, ПаВТ'2025. Короткие статьи и описания плакатов.: Издательский центр ЮУрГУ, 2025. P. 82–89.

Мы применяем методы глубокого машинного обучения с учителем для извлечения свойств анизотропной модели Изинга. Мы рассматриваем два случая анизотропии: ортогональную и диагональную. Из предсказаний нейронной сети мы получили функции вероятности фазы, на основе которых мы измерили две величины: критическую температуру и критический показатель корреляционной длины. Мы оценили значения параметра анизотропии в обоих случаях, при которых ...

Добавлено: 4 декабря 2025 г.