?
Scalable machine learning approach to disordered s-wave superconductors
Physical Review B: Condensed Matter and Materials Physics. 2026. Vol. 113. P. 1–6.
Язык:
английский
Ключевые слова: машинное обучениенейронные сетиneural networkspercolationmachine learningперколяцияdisordered superconductorssuperconductor–insulator transitionнеупорядоченные сверхпроводникипереход сверхпроводник–изолятор
ПУБЛИКАЦИЯ ПОДГОТОВЛЕНА ПО РЕЗУЛЬТАТАМ ПРОЕКТА:
International Joint Conferences on Artificial Intelligence, 2026.
Добавлено: 1 октября 2026 г.
A. V. Pereskokov, Journal of Mathematical Sciences 2026 Vol. 302 No. 4 P. 531–545
Добавлено: 1 октября 2026 г.
Добавлено: 30 сентября 2026 г.
Obraztsova Anna, Fominykh Nikita, Komarov Sergey и др., Applied Physics Letters 2026 Vol. 129 Article 132110
Добавлено: 30 сентября 2026 г.
Джамбонг Тенке Х., Institute for System Programming of the RAS, 2026.
Добавлено: 29 сентября 2026 г.
Мельников И. Е., Пелиновский Е. Н., Доклады Российской академии наук. Физика, технические науки (ранее - Доклады Академии Наук. Физика) 2026 Т. 529 С. 29–36
Представлены условия для появления пирамидальных уединенных волн (уединенных волн, с количеством точек перегиба больше двух) в семействе обобщенного уравнения Кортевега – де Фриза (КдФ). Для обобщенного уравнения Гарднера показано, что пирамидальные солитоны неустойчивы. Продемонстрирован численно распад начальных возмущений, близких к пирамидальным уединенным волнам. В зависимости от возмущения пирамидальный солитон либо расщепляется на два солитона (толстый ...
Добавлено: 29 сентября 2026 г.
Иванашев Я. М., Доклады Российской академии наук. Математика, информатика, процессы управления (ранее - Доклады Академии Наук. Математика) 2026 Т. 529 С. 93–101
Язык L является нижним для релятивизируемого сложностного класса C, если CL=C. Для классов #P, GapP и SpanP известны точные нижние классы языков: Low(#P) = UP ∩ coUP, Low(GapP) = SPP и Low(SpanP) = NP ∩ coNP. В этой статье мы доказываем, что Low(TotP) = P, и приводим характеризации нижних классов функций для #P, GapP, TotP ...
Добавлено: 28 сентября 2026 г.
Добавлено: 28 сентября 2026 г.
The Search of the Process e+e−→(ω, ρ)→ηe+e− at 680–820 MeV c.m. Energy Range with the CMD-3 Detector
A. K. Narvatkina, Physics of Atomic Nuclei 2025 Vol. 88 No. 4 P. 386–393
Добавлено: 28 сентября 2026 г.
Fominykh N., Стегайлов В. В., Physical Review B: Condensed Matter and Materials Physics 2026 Vol. 114 Article 115132
Добавлено: 28 сентября 2026 г.
Piliugin L., Antropov A., Lobashev E. и др., Journal of Nuclear Materials 2026 Vol. 632 Article 156876
Добавлено: 28 сентября 2026 г.
Kashpurovich I., Oleynichenko A., Стегайлов В. В., Supercomputing Frontiers and Innovations 2026 Vol. 13 No. 1 P. 52–73
Добавлено: 28 сентября 2026 г.
Терегулов Т. Р., Лубенец Е. Р., / Series Quantum Physics "arXiv". 2026. No. 2609.31472.
Добавлено: 28 сентября 2026 г.
Силаков Д. В., Системный администратор 2026 С. 84–89
Пользователи социальных сетей редко задумываются о том, что стоит за красивым фасадом с лентами активностей, пестрящими фотографиями и видеоисториями. Однако массовое увлечение подобными платформами порождает огромное количество всевозможного контента, который надо хранить, оперативно обрабатывать и отображать, а в эру ИИ — еще и активно помогать в его создании и адаптации.
Неудивительно, что последние десятилетия разработчики ведущих социальных сетей стабильно являются поставщиками инфраструктурных программных продуктов, многие из которых распространяются ...
Добавлено: 28 сентября 2026 г.
Prokhorov A., Wei Z., Sang H. и др., Journal of Productivity Analysis 2026 Vol. 65 P. 1–16
Добавлено: 28 сентября 2026 г.
Щербинин С. А., Корзникова Е. А., Дмитриев С. В. и др., Physics Letters A 2026 Vol. 591 Article 131884
В данной работе для поиска и характеризации различных квазидискретных бризеров (QB) в цепочке типа 𝛽-FPUT применяется простой генетический алгоритм (ГА). Рассматривая пространство начальных смещений частиц как ландшафт глобальной оптимизации, ГА максимизирует функцию локализации энергии, автоматически эволюционируя состояния-кандидаты в сторону сильно локализованных долгоживущих решений без каких-либо априорных предположений о симметрии. Было получено 200 QB с частотой ...
Добавлено: 28 сентября 2026 г.
Qian X., Guan X., Zhang B. и др., Journal of Global Optimization 2026
Добавлено: 27 сентября 2026 г.
Вергелес С. С., Воинцев И. А., Physics of Fluids 2026 Vol. 38 P. 024117-1–024117-8
Добавлено: 26 сентября 2026 г.
Портной С. Л., Ефремов А. М., Кузьмин В. В., В кн.: Распределенные компьютерные и телекоммуникационные сети: управление, вычисление, связь (DCCN-2026): материалы XXIX Международной научной конференции. Россия, Москва, 21–27 сентября 2026 г.: М.: РУДН, 2026..
В работе рассматривается возможность улучшения помехоустойчивости каскадного кода, состоящего из внутреннего кода Хэмминга (4,3) и внешнего кода Рида — Соломона (7,5) над полем GF(8), за счёт дополнительной кор рекции ошибок на основе машинного обучения. Внешний код декодируется списочным алгоритмом с перебором стираний; рассматриваются списки дли ной 5 и 10 комбинаций. Для компенсации потерь помехоустойчивости при ...
Добавлено: 26 сентября 2026 г.
Aleksei Samarin, Назаренко А. А., Alexander Savelev и др., Pattern Recognition and Image Analysis 2024 Vol. 34 No. 3 P. 844–854
Добавлено: 21 сентября 2026 г.
Aleksei Samarin, Aleksei Toropov, Alexander Savelev и др., , in: Pattern Recognition. ICPR 2024 International Workshops and Challenges.: Cham: Springer, 2025. P. 308–320.
Добавлено: 21 сентября 2026 г.
Статья посвящена анализу влияния технологий искусственного интеллекта (ИИ) и машинного обучения на развитие, трансформацию киберугроз и создание высокоэффективных систем киберзащиты. Рассматриваются ключевые направления эволюции ИИ, включая ориентированные на данные, модели, приложения и человека подходы, и их роль в формировании как защитных, так и наступательных возможностей. Показано, что злоумышленники активно используют ИИ для автоматизации разведки, персонализации ...
Добавлено: 12 сентября 2026 г.
Лебедев О. Б., Шмелева А. Г., Гежа Н. С., Информатика и автоматизация (Труды СПИИРАН) 2026 Т. 25 № 3 С. 720–750
Статья посвящена разработке нейросетевой модели для автоматизированного анализа медицинских данных в области электрофизиологии на основе методов глубокого обучения. Актуальность работы обусловлена растущей потребностью в повышении объективности, скорости и точности обработки сложных пространственно-временных сигналов, таких как ЭКГ или ЭЭГ. В качестве инструмента анализа были использованы сверточные нейронные сети (CNN), позволяющие извлекать пространственные особенности, и временные сверточные ...
Добавлено: 10 сентября 2026 г.