CUT-E 作为分子极化力学多尺度动力学的 $1/N$ 展开
机器学习
2024-10-21 v1 人机交互
神经元与认知
摘要
当分子群体的集合耦合 个分子与光子模式的耦合强度超过单个光子和分子线宽时,便会出现分子极化子。其描述复杂性源于其多尺度特性,其中每个分子上的局部动力学原则上可以受到整个集合行为的影响。为此,我们之前引入了一种称为集体动力学使用截断方程(CUT-E)的形式。CUT-E 以两个阶段来处理问题:首先,它利用置换对称性获得问题的显著简化。然而,这通常对大多数实验中相关的参数区间仍不够。其次,它以 极限下的精确解作为参考,推导系统的 修正项。本文基于最近发展的算子化技术,提供了 CUT-E 的一种新推导。我们阐述了其与其他物理学领域常见的 展开之间的联系,并介绍了本范畴以前未探索的关键方面,包括各种类型的近似和对高激发子流形的扩展。
引用
@article{arxiv.2410.14174,
title = {Auto Detecting Cognitive Events Using Machine Learning on Pupillary Data},
author = {Quang Dang and Murat Kucukosmanoglu and Michael Anoruo and Golshan Kargosha and Sarah Conklin and Justin Brooks},
journal= {arXiv preprint arXiv:2410.14174},
year = {2024}
}
备注
10 pages, 7 figures