XiaoMi-AI文件搜索系统
World File Search System扳机
沙丘超新星扳机的机器学习
深地下中微子实验（Dune）的主要科学目标之一是检测和测量来自银河系核心偏曲超新星的中微子通量。这些中微子提供了研究大型恒星寿命演变的机会，并揭示了有关电磁谱观测到的核心爆发结构的信息。由于这些事件的稀有性，至关重要的是，沙丘能够在发生时检测超新星中微子相互作用。但是，这将需要筛选大量数据，激发触发算法的开发以识别重要事件并丢弃无关数据。机器学习提供了一种潜在的方法来构建此触发因素。该项目在LARTPC检测器中生成了ADC和地面真相图像，用于用于机器学习，并使用它们来训练稀疏的卷积神经网络（CNN）。将检查基于相互作用类型的像素分类任务时，该模型的性能将被检查。该项目发现，稀疏的CNN方法具有高准确性的像素分类，这意味着它可能与开发Supernova Neutminino触发的Dune FAR检测器高度相关。
可集成性和扳机动力学中的Spin-1中央自旋XX模型
中央旋转模型提供了对中央自由度与周围旋转介观环境之间相互作用的理想描述。我们表明，在中心有旋转1的模型家族，而任意强度与周围旋转的XX相互作用是可以集成的。具体而言，我们得出了一组广泛的保守量，并使用贝特·安萨兹（Bethe Ansatz）获得了确切的本征态。与同类的极限一样，各州分为两个指数级别的大阶层：明亮的状态，在这种状态下，自旋-1与周围环境和黑暗状态纠缠不清，其中它不是。在占用性上，明亮的状态取决于其对中央自旋极化为零的状态的体重进一步分为两类。这些类别以淬灭动力学进行探测，从而阻止中央自旋达到热平衡。在单个自旋式扇形中，我们明确地构建了明亮的状态，并表明这些特征态半定位是中心旋转的振荡动力学。我们将集成性与密切相关的Richardson-Gaudin模型的紧密相关类别相关联，并猜想Spins Central Spin XX模型对于任何s都可以集成。