中文

剪切非晶固体中的最小循环行为

计算机视觉与模式识别 2024-10-17 v3

摘要

尽管软球的堵塞堆积存在于具有大量极小值的势能景观中,但在经受循环剪切时,它们可能会反复回到相同的构型。简单的滞后自旋模型(其中粒子重排由称为滞后子的相互作用自旋翻转表示)捕捉到了这种周期行为的许多特征。然而,目前尚不清楚单个重排在多大程度上可以用此类二元对象来描述,以及这些对象如何相互相互作用。利用一种特别敏感的算法,我们在模拟的堵塞堆积中识别重排,并选择相互抵消以产生周期性循环行为的重排对。我们发现,即使在我们能研究的最小系统中,重排对也出人意料地持续到最小的应变增量。我们探索了这些重排对的统计特性,发现滞后量与能量降及粒子均方位移之间存在关系;这些结果与将重排视为局部屈曲事件的模型中发现的标度不一致。最后,我们的分析表明,单个重排的“核心”与重排之间的相互作用之间没有清晰的界限。这些结果提供了关于非晶固体等复杂系统如何达到极限环的见解。

关键词

引用

@article{arxiv.2403.01680,
  title  = {Zero-shot Generalizable Incremental Learning for Vision-Language Object Detection},
  author = {Jieren Deng and Haojian Zhang and Kun Ding and Jianhua Hu and Xingxuan Zhang and Yunkuan Wang},
  journal= {arXiv preprint arXiv:2403.01680},
  year   = {2024}
}

备注

This paper has been accepted by NeurIPS 2024