基于神经网络感知的N个恒定电导率δ板的Casimir能量
量子物理
2025-06-10 v2
摘要
N个δ函数板的Casimir能量取决于多重散射参数Δ。这种N体相互作用基于N-1的划分及其排列，被分解为最近邻散射和次近邻散射相互作用。采用这种方法，我们研究了与石墨烯相关的恒定电导率多板的Casimir相互作用。我们还研究了完美磁导体与多个恒定电导率δ板之间的Casimir能量，这导致了Boyer排斥。在理想边界条件的渐近极限下，结果变得简单，其中多重散射参数Δ仅包含最近邻散射项。此外，我们使用神经网络分析了Boyer排斥构型中的Casimir能量，以理解成对能量对多体能量的影响。神经网络能够根据电导率变化的区域区分排斥力和吸引力。
引用
@article{arxiv.2406.09096,
title = {Casimir energy for $N$ constant conductivity $\delta$-plates with a neural network perception},
author = {Venkat Abhignan},
journal= {arXiv preprint arXiv:2406.09096},
year = {2025}
}
备注
16 pages, 10 figures, added new discussion with neural networks