اکسپرس 24
ترجمه فارسی مقاله بافت انرژی توپولوژیکی یادگیری ماشین از باندهای غیر بلوخ

ترجمه فارسی مقاله بافت انرژی توپولوژیکی یادگیری ماشین از باندهای غیر بلوخ

انتخاب پلن

انتخاب پلن برای ادامه خرید الزامی است.

پرداخت اقساطی
در صورت خرید اقساطی هر قسط: 37,500 تومان
۴ قسط ماهانه. بدون سود، چک و ضامن.
پرداخت اقساطی با دیجی‌پی پرداخت اقساطی با ترب‌پی
عنوان مقاله به انگلیسی Machine learning topological energy braiding of non-Bloch bands
عنوان مقاله به فارسی بافت انرژی توپولوژیکی یادگیری ماشین از باندهای غیر بلوخ
نویسندگان Shuwei Shi, Shibing Chu, Yuee Xie, Yuanping Chen
فرمت مقاله انگلیسی PDF
تعداد صفحات 6
دسته بندی موضوعات Mesoscale and Nanoscale Physics,Disordered Systems and Neural Networks,Machine Learning,فیزیک Mesoscale و Nanoscale , سیستم های بی نظمی و شبکه های عصبی , یادگیری ماشین ,
توضیحات Submitted 2 August, 2024; originally announced August 2024.
توضیحات به فارسی ارسال شده در 2 اوت 2024 ؛در ابتدا اوت 2024 اعلام شد.

قیمت: 19,000 تومان

دانلود مقاله اصل انگلیسی + خلاصه دو صفحه ای مقاله + پادکست صوتی فارسی خلاصه مقاله

با انتخاب این گزینه، علاوه بر دریافت مقاله اصلی، یک خلاصه دو صفحه‌ای فارسی و پادکست صوتی فارسی خلاصه مقاله را نیز دریافت خواهید کرد.

قیمت: 99,000 تومان

سفارش + خلاصه دو صفحه ای مقاله + پادکست صوتی فارسی خلاصه مقاله

با انتخاب این گزینه، علاوه بر دریافت مقاله اصلی و ترجمه کامل آن، یک خلاصه دو صفحه‌ای فارسی و پادکست صوتی فارسی خلاصه مقاله را نیز دریافت خواهید کرد.

قیمت: 240,000 تومان

زمان تحویل: 2 تا 3 روز کاری

📚 محتوای این محصول آموزشی (پکیج کامل)

علاوه بر مقاله اصلی انگلیسی که دریافت می کنید، برای یادگیری عمیق‌تر و تسلط کامل بر مباحث مجموعه‌ای از کتاب‌های آموزشی نیز ارائه می‌شود.

🎯 این بسته یک دورهٔ آموزشی کامل و چندلایه است؛ شامل ویدیوهای آموزشی، کتاب‌ها، تمرین‌ها و خودآزمایی.

ℹ️ نکات مهم هنگام خرید

  • این محصول به صورت فایل دانلودی کامل ارائه می‌شود.
  • توجه: لینک‌های اختصاصی دوره طی حداکثر 24 ساعت پس از ثبت سفارش ارسال می‌شوند.
  • دقت کنید لینک ها به شماره موبایل شما ارسال می شوند. پس در ارائه شماره موبایل صحیح دقت کنید.
  • برای راهنمایی در مورد نحوه دانلود به شماره 09395106248 پیامک دهید یا تماس بگیرید. (ایده آل ترین گزینه ارسال پیام در یکی از پیام رسان ها به همین شماره است تا سریعا لینک های محصول همان جا برای شما ارسال گردد.)
  • اگر پرداخت انجام شده ولی بعد از 24 ساعت هنوز لینک‌ها را دریافت نکرده‌اید، نام و نام خانوادگی و نام محصول را پیامک کنید تا لینک‌ها دوباره ارسال شوند.

💬 راه‌های ارتباطی پشتیبانی:
واتس‌اپ یا هر پیام رسان داخلی یا پیامک: 09395106248
تلگرام: @ma_limbs

چکیده

Machine learning has been used to identify phase transitions in a variety of physical systems. However, there is still a lack of relevant research on non-Bloch energy braiding in non-Hermitian systems. In this work, we study non-Bloch energy braiding in one-dimensional non-Hermitian systems using unsupervised and supervised methods. In unsupervised learning, we use diffusion maps to successfully identify non-Bloch energy braiding without any prior knowledge and combine it with k-means to cluster different topological elements into clusters, such as Unlink and Hopf link. In supervised learning, we train a Convolutional Neural Network (CNN) based on Bloch energy data to predict not only Bloch energy braiding but also non-Bloch energy braiding with an accuracy approaching 100%. By analysing the CNN, we can ascertain that the network has successfully acquired the ability to recognise the braiding topology of the energy bands. The present study demonstrates the considerable potential of machine learning in the identification of non-Hermitian topological phases and energy braiding.

چکیده به فارسی (ترجمه ماشینی)

از یادگیری ماشین برای شناسایی انتقال فاز در انواع سیستم های فیزیکی استفاده شده است.با این حال ، هنوز کمبود تحقیقات مرتبط در مورد استفاده از انرژی غیر بلوچ در سیستم های غیر هرمیتی وجود دارد.در این کار ، ما با استفاده از روشهای بدون نظارت و نظارت ، با استفاده از روشهای غیر هرمیتی یک بعدی در سیستم های غیر هرمیتی یک بعدی را مطالعه می کنیم.در یادگیری بدون نظارت ، ما از نقشه های انتشار برای شناسایی موفقیت آمیز با بریدن انرژی غیر بلوچ و بدون هیچ دانش قبلی استفاده می کنیم و آن را با k- معنی ترکیب می کنیم تا عناصر توپولوژیکی مختلف را به خوشه هایی مانند لینک و هاپف تبدیل کنیم.در یادگیری تحت نظارت ، ما یک شبکه عصبی حلقوی (CNN) را بر اساس داده های انرژی Bloch آموزش می دهیم تا نه تنها با استفاده از انرژی بلوچ انرژی بلوچ بلکه با دقت و همچنین با دقت به انرژی غیر بلوچ با دقت به 100 ٪ پیش بینی کنیم.با تجزیه و تحلیل CNN ، می توانیم تشخیص دهیم که این شبکه با موفقیت توانایی تشخیص توپولوژی بافته نوارهای انرژی را به دست آورده است.مطالعه حاضر پتانسیل قابل توجهی از یادگیری ماشین را در شناسایی مراحل توپولوژیکی غیر هرمیتی و با استفاده از انرژی با انرژی نشان می دهد.

📚 محتوای این محصول آموزشی (پکیج کامل)

علاوه بر مقاله اصلی انگلیسی که دریافت می کنید، برای یادگیری عمیق‌تر و تسلط کامل بر مباحث مجموعه‌ای از کتاب‌های آموزشی نیز ارائه می‌شود.

🎯 این بسته یک دورهٔ آموزشی کامل و چندلایه است؛ شامل ویدیوهای آموزشی، کتاب‌ها، تمرین‌ها و خودآزمایی.

ℹ️ نکات مهم هنگام خرید

  • این محصول به صورت فایل دانلودی کامل ارائه می‌شود.
  • توجه: لینک‌های اختصاصی دوره طی حداکثر 24 ساعت پس از ثبت سفارش ارسال می‌شوند.
  • دقت کنید لینک ها به شماره موبایل شما ارسال می شوند. پس در ارائه شماره موبایل صحیح دقت کنید.
  • برای راهنمایی در مورد نحوه دانلود به شماره 09395106248 پیامک دهید یا تماس بگیرید. (ایده آل ترین گزینه ارسال پیام در یکی از پیام رسان ها به همین شماره است تا سریعا لینک های محصول همان جا برای شما ارسال گردد.)
  • اگر پرداخت انجام شده ولی بعد از 24 ساعت هنوز لینک‌ها را دریافت نکرده‌اید، نام و نام خانوادگی و نام محصول را پیامک کنید تا لینک‌ها دوباره ارسال شوند.

💬 راه‌های ارتباطی پشتیبانی:
واتس‌اپ یا هر پیام رسان داخلی یا پیامک: 09395106248
تلگرام: @ma_limbs

نظرات

هنوز نظری ثبت نشده است.

وارد شوید تا نظر ثبت کنید.