6269
That's just link aggregator of everything I consider interesting, especially DL and topological condensed matter physics. @EvgeniyZh
https://twitter.com/natfriedman/status/1754519304471814555
Читать полностью…
Realization of fractional quantum Hall state with interacting photons arxiv.org/abs/2401.17022
Читать полностью…
Anomalous Hall Crystals or Moiré Chern Insulators? Spontaneous versus explicit translational symmetry breaking in graphene pentalayers
1. Theory of fractional quantum anomalous Hall phases in pentalayer rhombohedral graphene moiré structures
Authors: Zhihuan Dong, Adarsh S. Patri, and T. Senthil
arXiv:2311.03445; DOI: 10.48550/arXiv.2311.03445
2. Fractional quantum anomalous Hall effects in rhombohedral multilayer graphene in the moiréless limit and in Coulomb imprinted superlattice
Authors: Boran Zhou, Hui Yang, and Ya-Hui Zhang
arXiv:2311.04217; DOI: 10.48550/arXiv.2311.04217
3. Anomalous Hall Crystals in Rhombohedral Multilayer Graphene I: Interaction-Driven Chern Bands and Fractional Quantum Hall States at Zero Magnetic Field
Authors: Junkai Dong, Taige Wang, Tianle Wang, Tomohiro Soejima, Michael P. Zaletel, Ashvin Vishwanath, and Daniel E. Parker
arXiv:2311.05568; DOI: 10.48550/arXiv.2311.05568
4. Theory of fractional Chern insulator states in pentalayer graphene moiré superlattice
Authors: Zhongqing Guo, Xin Lu, Bo Xie, Jianpeng Liu
arXiv:2311.14368; DOI: 10.48550/arXiv.2311.14368
5. Moiré Fractional Chern Insulators III: Hartree-Fock Phase Diagram, Magic Angle Regime for Chern Insulator States, the Role of the Moiré Potential and Goldstone Gaps in Rhombohedral Graphene Superlattices
Authors: Yves H. Kwan, Jiabin Yu, Jonah Herzog-Arbeitman, Dmitri K. Efetov, Nicolas Regnault, and B. Andrei Bernevig
arXiv:2312.11617; DOI: 10.48550/arXiv.2312.11617
Recommended with a commentary by S.A. Parameswaran , University of Oxford
|View Commentary (pdf)|
This commentary may be cited as:
DOI: 10.36471/JCCM_January_2024_02
https://doi.org/10.36471/JCCM_January_2024_02
The post Anomalous Hall Crystals or Moiré Chern Insulators? Spontaneous versus explicit translational symmetry breaking in graphene pentalayers appeared first on Journal Club for Condensed Matter Physics.
via Journal Club for Condensed Matter Physics (author: JCCMP)
Non-invertible symmetries and LSM-type constraints on a tensor product Hilbert space arxiv.org/abs/2401.12281
Читать полностью…
Tweets to Citations: Unveiling the Impact of Social Media Influencers on AI Research Visibility https://arxiv.org/abs/2401.13782
Читать полностью…
Retrieval-Guided Reinforcement Learning for Boolean Circuit Minimization https://arxiv.org/abs/2401.12205
Читать полностью…
Temperature as Joules per Bit https://arxiv.org/abs/2401.12119
Читать полностью…
PokerGPT: An End-to-End Lightweight Solver for Multi-Player Texas Hold'em via Large Language Model arxiv.org/abs/2401.06781
Читать полностью…
OMG-Seg: Is One Model Good Enough For All Segmentation? https://arxiv.org/abs/2401.10229
Читать полностью…
You can now generate stabilizer states from their stabilizers in Qiskit
https://github.com/Qiskit/qiskit/pull/11483
Fuzz4All: Universal Fuzzing with Large Language Models www.software-lab.org/publications/icse2024_Fuzz4All.pdf
Читать полностью…
WaveCoder: Widespread And Versatile Enhanced Instruction Tuning with Refined Data Generation arxiv.org/abs/2312.14187
Читать полностью…
Google DeepMind announces AlphaGeometry: an AI system that solves Olympiad geometry problems at a level approaching a human gold-medalist. 📐
It was trained solely on synthetic data and marks a breakthrough for AI in mathematical reasoning.
AlphaGeometry is a system made up of 2️⃣ parts:
🔵 A neural language model, which can predict useful geometry constructions to solve problems
🔵 A symbolic deduction engine, which uses logical rules to deduce conclusions
Both work together to find proofs for complex geometry theorems.
📊 In a benchmark test of 30 recent Olympiad geometry problems, AlphaGeometry solved 25 - surpassing the previous state-of-the-art approach called Wu’s method, which solved 10.
Notably, it solves all geometry problems in the 2000 & 2015 Olympiads, under human expert evaluation.
🔍 Unlike many prior methods, AlphaGeometry can produce human-readable proofs.
The code and model are open source: https://deepmind.google/discover/blog/alphageometry-an-olympiad-level-ai-system-for-geometry/
Mixture of Experts for Clowns (at a Circus)
https://goddard.blog/posts/clown-moe/
Тыкался по архиву, а там дипмаинды решают тему планирования с трансформерами. В своем стиле.
Пишут про какой-то transformer with discrete bottleneck(TDB).
Кидают его на частично обозреваемые среды (пишут в основном 2д и 3д комнаты) , в которых учат предсказывать будущие observations, потом извлекают из него когнитивные карты, на которые натравливают солвер и якобы так можно решать shortest path задачи экспоненциально быстрее (?). Пока не оч понял за счет чего это выходит, диагонально посмотрел статью. Вникать именно сейчас времени нету. Но вам принес :)
Learning Cognitive Maps from Transformer Representations for Efficient Planning in Partially Observed Environments
https://arxiv.org/abs/2401.05946
StepCoder: Improve Code Generation with Reinforcement Learning from Compiler Feedback https://arxiv.org/abs/2402.01391
Читать полностью…
https://twitter.com/AlexKontorovich/status/1753061712020828328
Читать полностью…
Deformed Fredkin model for the ν=5/2 Moore-Read state on thin cylinders https://journals.aps.org/prresearch/abstract/10.1103/PhysRevResearch.6.013105
Читать полностью…
Rethinking Patch Dependence for Masked Autoencoders https://arxiv.org/abs/2401.14391
Читать полностью…
The Curious Case of Nonverbal Abstract Reasoning with Multi-Modal Large Language Models https://arxiv.org/abs/2401.12117
Читать полностью…
LUMIERE A Space-Time Diffusion Model for Realistic Video Generation https://lumiere-video.github.io/
Читать полностью…
MaskClustering: View Consensus based Mask Graph Clustering for Open-Vocabulary 3D Instance Segmentation arxiv.org/abs/2401.07745
Читать полностью…
https://twitter.com/aparnadhinak/status/1748368364395721128
Читать полностью…
Interferometric Single-Shot Parity Measurement in an InAs-Al Hybrid Device https://arxiv.org/abs/2401.09549
Читать полностью…
Sleeper Agents: Training Deceptive LLMs that Persist Through Safety Training https://arxiv.org/abs/2401.05566
Читать полностью…
Scalable 3D Panoptic Segmentation With Superpoint Graph Clustering arxiv.org/abs/2401.06704
Читать полностью…
Spherical Mask: Coarse-to-Fine 3D Point Cloud Instance Segmentation with Spherical Representation arxiv.org/abs/2312.11269
Читать полностью…
The Unreasonable Effectiveness of Easy Training Data for Hard Tasks arxiv.org/abs/2401.06751
Читать полностью…
Anomalous symmetries of quantum spin chains and a generalization of the Lieb-Schultz-Mattis theorem arxiv.org/abs/2401.02533
Читать полностью…
Есть такая сравнительно малоизвестная, но в то же время распространённая проблема — «оловянные усы» (tin whiskers). По неизвестным причинам металл начинает самопроизвольно «перемещаться», вырастая в тонкие — несколько микрометров толщиной — но очень длинные — до 10–15 мм длинной — усы. При этом олово это основной припой, т.е. фиксирующий компонент в электронных устройствах, собственно, если у вас есть абсолютно любое электронное — или даже электрическое — устройство, то там с 99.99% вероятностью есть олово. 60% всего производимого олова на планете используется в припое.
Это, разумеется, проблема, потому что спонтанно возникающие и растущие в случайную сторону нити металла приводят к коротким замыканиям, сбоям работы, а в худшем случае выходу устройства из строя или пожарам.
Оловянные усы прорастают через покрытие лаком или другим металлом, прорастают через изоляцию — что смешнее всего, они прорастают даже если всё устройство залить эпоксидкой. Они прорастают независимо от того, включено устройство или выключено.
Но так было не всегда. Само явление «усов» было открыто ещё в начале 20 века на первых электронных устройствах — и было побеждено добавлением свинца в припой. Почему же мы сейчас говорим про это? Дело в том, что в 2003 Европейский Союз принял директиву RoHS (Restriction of Hazardous Substances Directive, Директива Ограничения Опасных Материалов), по которой свинец и некоторые другие вещества, например кадмий и ртуть, оказались под запретом. Опасности связанные с утилизацией, «а вдруг дети оближут печатную плату» и вот это вот.
И с 2006 года все устройства перешли на бессвинцовые припои. Которые, ба-дум-тсс, рано или поздно прорастают усами.
Это звучит как какая-то шутка, насмешка природы над гордым человечеством. Каждое электронное устройство идущее с часовым механизмом самоуничтожения, пред которым все равны и от которого никто не защищён.
Кто знает, может внезапно перезагрузившийся у вас позавчера компьютер — это был на самом деле такой вот оловянный ус, проросший из одной ножки чипсета в другую, создавший электрическую дугу на мгновение и сгоревший без остатка? Или ваш внезапно умерший телефон. Или вспыхнувший яркой вспышкой телевизор, который вы не включали 5 лет.
Поиск методов противодействия продолжается. Перепробованы сотни, если не тысячи разных сплавов. С серебром, золотом, индием, цинком. Они все покрываются усами. Осложняются исследования тем, что не найдено никаких способов «ускорить» рост этих усов или катализировать их — ведь мы до сих пор даже не знаем, что именно вызывает это явление. Кроме того малого факта, что основным противоядием является запрещённый мудрыми™ евростарцами свинец.
А усы пока продолжают расти. Они растут внутри вашего айфона. Они растут под BGA чипом вашей видеокарты за двести тысяч рублей. Они растут внутри электронного микроскопа и МРТ, растут внутри спутника раннего предупреждения и в кофемолке, они растут на атомных станциях и в умных автомобилях, они растут даже в груди ничего не подозревающих людей с кардиостимуляторами.
И где-то под землёй, в глубокой шахте с межконтинентальными термоядерными ракетами робко тянутся два усика олова — чтобы провести краткий микросекундный импульс с последующей детонацией; детонацией, которая запустит взаимный обмен ядерными ударами и положит конец нашим мучениям.
Т.