Supervised Learning in Critical Phenomena—Statistical and Systematic Accuracy

28 декабря 2025 года Всероссийскому научно-исследовательскому институту оптико-физических измерений (ВНИИОФИ) исполнилось 60 лет. За прошедшие десятилетия институт выполнил значительное количество научных исследований, разработал и поставил потребителям тысячи высокоточных средств оптико-физических измерений (включая эталонное оборудование). В статье представлены наиболее значимые для метрологического обеспечения оптико-физических измерений результаты научно-исследовательских работ, выполненных ВНИИОФИ за период 2016–2025 гг. ...

Добавлено: 15 июня 2026 г.

Государственный первичный эталон единиц оптической силы и коэффициента передачи модуляции очковой оптики и объективов ГЭТ 205-2025

Минаев В. Л., Измерительная техника 2025 Т. 74 № 2 С. 20–27

Качество формируемого оптической системой изображения определяется её частотно-контрастной характеристикой или коэффициентами передачи модуляции на различных пространственных частотах. Для обеспечения единства измерений коэффициентов передачи модуляции и создания эталонной базы по воспроизведению, хранению и передаче единицы коэффициента передачи модуляции усовершенствован Государственный первичный эталон единиц оптической силы очковой оптики ГЭТ 205-2013 в части воспроизведения единицы коэффициентов передачи модуляции ...

Добавлено: 15 июня 2026 г.

Proceedings of the 19th Conference of the European Chapter of the Association for Computational Linguistics (Volume 1: Long Papers)

Association for Computational Linguistics, 2026.

Добавлено: 14 июня 2026 г.

Impact of heat treatment on microstructure and mechanical properties of additively manufactured aluminum bronze

Filippova A. V., Yurchenko N. Y., Smirnov S. A. и др., Journal of Alloys and Compounds 2026 No. 1074 Article 189162

Добавлено: 12 июня 2026 г.

Proceedings of the 6th Workshop on Computational Approaches to Discourse, Context and Document-Level Inferences (CODI 2025)

Strube M., Braud C., Hardmeier C. и др., Suzhou: Association for Computational Linguistics, 2025.

Добавлено: 11 июня 2026 г.

TreeDQN: Sample-efficient off-policy reinforcement learning for combinatorial optimization

Sorokin D., Kostin A., Савченко Л. В. и др., Knowledge-Based Systems 2026 Vol. 348 Article 116258

Добавлено: 10 июня 2026 г.

Microbial diversity and production of milk spirit using traditional Buryat fermentation and distillation technologies

Namsaraev Z., Nanzatov B., Козлова А. Д. и др., Scientific Reports 2026 Vol. 16 No. 1 Article 17769

Дистиллированные кисломолочные напитки встречаются в пищевой промышленности редко, несмотря на повсеместное распространение растительных спиртных напитков. В настоящее время производство крепких дистиллированных алкогольных напитков из кисломолочных продуктов с использованием традиционных технологий известно лишь среди монголоязычных народов и их сибирских соседей. Данное исследование представляет собой первый междисциплинарный анализ дарасуна, традиционного бурятского спиртного напитка, изготавливаемого из кисломолочного напитка ...

Добавлено: 10 июня 2026 г.

Artificial intelligence and digital twins for failure prediction in data center cooling systems: a comprehensive literature review (2018–2026)

Butorova A., Bobakov V., Sergeev A. и др., European Physical Journal: Special Topics 2026 P. 1–19

Добавлено: 10 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.

МАТЕМАТИЧЕСКОЕ МОДЕЛИРОВАНИЕ И СУПЕРКОМПЬЮТЕРНЫЕ ТЕХНОЛОГИИ ТРУДЫ ХXV МЕЖДУНАРОДНОЙ КОНФЕРЕНЦИИ Нижний Новгород, 17–19 ноября 2025 г. Нижний Новгород Издательство Нижегородского госуниверситета 2025

Чернышов Д. П., Сатанин А. М., Издательство Нижегородского госуниверситета, 2025.

В работе исследуется стохастическая динамика двумерных симплектических отоб-ражений на примере обобщенного отображения Чирикова, включающего фазовый сдвиг и дополнительное импульсное воздействие. Используя аналитические и чис-ленные методы, рассматривается влияние этих модификаций на структуру фазового пространства ...

Добавлено: 7 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.

Phase probabilities in first-order transitions using machine learning

Суховерхова Д. Д., Vyacheslav Mozolenko, Щур Л. Н., Physical Review E - Statistical, Nonlinear, and Soft Matter Physics 2025 Vol. 112 No. 4 Article 044128

Добавлено: 18 октября 2025 г.

Machine Learning Domain Adaptation in Spin Models with Continuous Phase Transitions

Чертенков В. И., Щур Л. Н., Physical Review E - Statistical, Nonlinear, and Soft Matter Physics 2025 Vol. 112 No. 3 Article 034104

Добавлено: 12 августа 2025 г.

Supervised and Transfer Learning for Phase Transition Research

Чертенков В. И., Щур Л. Н., Lecture Notes in Computer Science 2025 Vol. 15406 P. 434–449

Добавлено: 10 февраля 2025 г.

Transfer Machine Learning of an Anisotropic Model

D. D. Sukhoverkhova, L. N. Shchur, Lobachevskii Journal of Mathematics 2025 Vol. 46 No. 1 P. 528–534

Добавлено: 13 января 2025 г.

Machine Learning Domain Adaptation in Spin Models with Continuous Phase Transitions

Чертенков В. И., Щур Л. Н., / Series arXiv "math". 2024. No. 2411.13027.

Добавлено: 21 ноября 2024 г.

Influence of anisotropy on the study of critical behavior of spin models by machine learning methods

Суховерхова Д. Д., Щур Л. Н., / Series arXiv "math". 2024. No. 2410.14523.

...

Добавлено: 21 октября 2024 г.

Влияние анизотропии на исследование критического поведения спиновых моделей методами машинного обучения

Суховерхова Д. Д., Щур Л. Н., Письма в Журнал экспериментальной и теоретической физики 2024 Т. 120 № 8 С. 644–649

В статье мы применили глубокую нейронную сеть для изучения вопроса переносимости знания между моделями статистической механики. Был проведен следующий компьютерный эксперимент. Сверточная нейронная сеть была обучена для решения задачи бинарной классификации моментальных снимков расположения спинов модели Изинга на двумерной решетке. При тестировании на вход нейронной сети подавались моментальные снимки расположения спинов модели Изинга на решетке ...

Добавлено: 25 сентября 2024 г.