Fugu-MT 論文翻訳(概要): Lambert W Lines and Finite Square Well Sensors

論文の概要: Lambert W Lines and Finite Square Well Sensors

arxiv url: http://arxiv.org/abs/2210.07359v1
Date: Wed, 12 Oct 2022 15:26:29 GMT
ステータス: 処理完了
システム内更新日: 2023-01-22 19:25:30.213579
Title: Lambert W Lines and Finite Square Well Sensors
Title（参考訳）: ランベルトw線と有限正方形井戸センサ
Authors: Ken Roberts, Najeh Jisrawi, J. Jeyasitharam, Shreyas Suresh, P. C. Deshmukh, S. R. Valluri
Abstract要約: 1次元有限量子井戸(FSW)の有界エネルギーは、複素平面の2つのコピー間の滑らかなマッピングを含む幾何学的手法を用いて決定することができる。この方法では、システムが井戸の深さや幾何学の変化に異常に敏感になるような、FSWの特定の強度を識別することができる。
参考スコア（独自算出の注目度）: 0.0
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: The bound state energies of a 1-dimensional finite quantum square well (FSW) can be determined using a geometric method, involving a smooth mapping between two copies of the complex plane. The method allows one to identify particular strengths of the FSW at which the system can become unusually sensitive to changes in the well depth or geometry. In the present paper we explore that sensitivity, and exhibit a 3-D visualization of the solutions.
Abstract（参考訳）: 1次元有限量子井戸(FSW)の有界エネルギーは、複素平面の2つのコピー間の滑らかなマッピングを含む幾何学的手法を用いて決定することができる。この方法では、システムが井戸の深さや形状の変化に異常に敏感になるfswの特定の強度を識別することができる。本稿では,その感度について検討し,その解決策を3次元可視化する。

関連論文リスト

ParaPoint: Learning Global Free-Boundary Surface Parameterization of 3D Point Clouds [52.03819676074455]
ParaPointは、グローバルな自由境界面パラメータ化を実現するための教師なしのニューラルネットワークパイプラインである。この研究は、グローバルマッピングと自由境界の両方を追求するニューラルポイントクラウドパラメータ化を調査する最初の試みである。
論文参考訳（メタデータ） (2024-03-15T14:35:05Z)
Gaussian Entanglement Measure: Applications to Multipartite Entanglement of Graph States and Bosonic Field Theory [50.24983453990065]
フービニ・スタディ計量に基づく絡み合い尺度は、Cocchiarellaと同僚によって最近導入された。本稿では,多モードガウス状態に対する幾何絡み合いの一般化であるガウスエンタングルメント尺度(GEM)を提案する。自由度の高い系に対する計算可能な多部絡み合わせ測度を提供することにより、自由なボゾン場理論の洞察を得るために、我々の定義が利用できることを示す。
論文参考訳（メタデータ） (2024-01-31T15:50:50Z)
A Theory of Topological Derivatives for Inverse Rendering of Geometry [87.49881303178061]
我々は、位相微分を用いて離散的な位相変化を可能にする微分可能な曲面進化の理論的枠組みを導入する。 2次元の閉曲線と3次元の曲面を最適化して提案理論を検証し、現在の手法の限界について考察する。
論文参考訳（メタデータ） (2023-08-19T00:55:55Z)
Deep Two-View Structure-from-Motion Revisited [83.93809929963969]
2次元構造移動(SfM)は3次元再構成と視覚SLAMの基礎となる。古典パイプラインの適切性を活用することで,深部2視点sfmの問題を再検討することを提案する。本手法は,1)2つのフレーム間の密対応を予測する光フロー推定ネットワーク,2)2次元光フロー対応から相対カメラポーズを計算する正規化ポーズ推定モジュール,3)エピポーラ幾何を利用して探索空間を縮小し,密対応を洗練し,相対深度マップを推定するスケール不変深さ推定ネットワークからなる。
論文参考訳（メタデータ） (2021-04-01T15:31:20Z)
ResNet-LDDMM: Advancing the LDDMM Framework Using Deep Residual Networks [86.37110868126548]
本研究では,eulerの離散化スキームに基づく非定常ode(フロー方程式)の解法として,深層残留ニューラルネットワークを用いた。複雑なトポロジー保存変換の下での3次元形状の多種多様な登録問題について述べる。
論文参考訳（メタデータ） (2021-02-16T04:07:13Z)
Two-dimensional spectroscopy beyond the perturbative limit: the influence of finite pulses and detection modes [0.0]
2次元電子分光法(2DES)は、量子系内のコヒーレンスとエネルギーの流れのプローブを提供する。 2DESの数値モデリングは極めて重要であり、ある程度に脈動スキームを近似する必要がある。ここでは、有限パルス幅と振幅が2DES信号に与える影響を調べるために、非摂動時間進化を用いる。
論文参考訳（メタデータ） (2020-11-09T11:13:10Z)
Geometric Attention for Prediction of Differential Properties in 3D Point Clouds [32.68259334785767]
本研究では,このような特性を学習可能な方法で提供できる幾何学的注意機構を提案する。本研究では,正規ベクトルの予測と特徴線の抽出に関する実験により,提案手法の有用性を確立した。
論文参考訳（メタデータ） (2020-07-06T07:40:26Z)
Building Bulk Geometry from the Tensor Radon Transform [0.0]
境界エンタングルメントエントロピーが 2$d CFT であることを考えると、このフレームワークは、バルク双対が摂動(AdS)限界において幾何であるかどうかを検出する尺度を提供する。十分に定義されたバルク幾何学が存在する場合、ゲージ選択が成立すると、一意なバルク計量テンソルを明示的に再構成する。次に、ホログラフィーおよび多体システムにおける静的および動的シナリオに対する創発的バルク測地について検討する。
論文参考訳（メタデータ） (2020-06-30T18:00:00Z)
Leveraging Planar Regularities for Point Line Visual-Inertial Odometry [13.51108336267342]
モノクラー・ビジュアル・慣性オドメトリー(VIO)システムでは、3Dポイント・クラウドとカメラ・モーションを同時に推定することができる。平面規則性だけでなく点特徴や線特徴を利用するPLP-VIOを提案する。提案手法の有効性を,合成データと公開データセットの両方で検証した。
論文参考訳（メタデータ） (2020-04-16T18:20:00Z)
Instant recovery of shape from spectrum via latent space connections [33.83258865005668]
ラプラシアンスペクトルから形状を復元する最初の学習法を提案する。自動エンコーダが与えられた場合、我々のモデルはサイクル整合モジュールの形で潜在ベクトルを固有値列にマッピングする。我々のデータ駆動型アプローチは、計算コストのごく一部でより正確な結果を提供しながら、事前の手法で必要となるアドホック正規化器の必要性を置き換える。
論文参考訳（メタデータ） (2020-03-14T00:48:34Z)
PUGeo-Net: A Geometry-centric Network for 3D Point Cloud Upsampling [103.09504572409449]
PUGeo-Netと呼ばれる新しいディープニューラルネットワークを用いた一様高密度点雲を生成する手法を提案する。その幾何学中心の性質のおかげで、PUGeo-Netはシャープな特徴を持つCADモデルとリッチな幾何学的詳細を持つスキャンされたモデルの両方でうまく機能する。
論文参考訳（メタデータ） (2020-02-24T14:13:29Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。