查看“WikiEdge:ArXiv速递/2025-05-01”的源代码
←
WikiEdge:ArXiv速递/2025-05-01
跳转到导航
跳转到搜索
因为以下原因，您没有权限编辑该页面：
您请求的操作仅限属于该用户组的用户执行：
用户
您可以查看和复制此页面的源代码。
== 摘要 == * '''原文标题'''：Forward kinematics of a general Stewart-Gough platform by elimination templates * '''中文标题'''：通用Stewart-Gough平台正运动学的消元模板解法 * '''发布日期'''：2025-05-01 16:18:07+00:00 * '''作者'''：Evgeniy Martyushev * '''分类'''：cs.RO *'''原文链接'''：http://arxiv.org/abs/2505.00634v1 '''中文摘要'''：本文针对通用[[Stewart-Gough平台]]的[[正向运动学]]问题提出了一种高效的[[代数解法]]。该问题需要在给定[[支腿长度]]及[[平台]]与[[底座]]内部[[几何结构]]的情况下，确定由六条支腿连接的[[活动平台]]所有可能的[[位姿]]。已知该问题存在40个解（包括[[实解]]与[[复解]]）。所提[[算法]]包含三个主要步骤：(i) 根据描述[[平台运动学]]的[[多项式系统]]系数，构建一个特定的293×362[[稀疏矩阵]]（[[消元模板]]）；(ii) 利用该矩阵的[[PLU分解]]构造一对69×69[[矩阵]]；(iii) 通过计算该矩阵对的[[广义特征向量]]获得全部40个解（含[[复数解]]）。该算法具有[[数值鲁棒性]]、[[计算高效性]]且易于实现——仅需标准[[线性代数]]分解。算法的[[MATLAB]]、[[Julia]]和[[Python]]实现将公开提供。 == 摘要 == * '''原文标题'''：Accurate Modeling of Interfacial Thermal Transport in van der Waals Heterostructures via Hybrid Machine Learning and Registry-Dependent Potentials * '''中文标题'''：范德瓦尔斯异质结构界面热输运的精确建模：基于混合机器学习与位型相关势的方法 * '''发布日期'''：2025-05-01 08:02:12+00:00 * '''作者'''：Wenwu Jiang, Hekai Bu, Ting Liang, Penghua Ying, Zheyong Fan, Jianbin Xu, Wengen Ouyang * '''分类'''：physics.comp-ph *'''原文链接'''：http://arxiv.org/abs/2505.00376v1 '''中文摘要'''：[[二维过渡金属硫族化合物]]([[TMDs]])因其强层内[[共价键]]和弱层间[[范德华]]([[vdW]])相互作用而表现出显著的[[热各向异性]]。然而，准确模拟其[[热输运]]特性仍面临重大挑战，主要源于[[密度泛函理论]]([[DFT]])的计算局限性和[[经典力场]]在[[非平衡状态]]下的不准确性。为此，我们采用最新开发的[[混合计算框架]]，将层内相互作用的[[机器学习势]]([[MLP]])与各向异性[[vdW]]层间相互作用的[[位点相关层间势]]([[ILP]])相结合，实现了接近[[量子力学]]的精度。该方法在[[TMD]]体系中对[[DFT]]计算结果和[[实验数据]]表现出极佳的一致性，能准确预测[[晶格常数]]、[[体模量]]、[[莫尔重构]]、[[声子谱]]和[[热导率]]等关键性质。该方法的[[可扩展性]]使其能精确模拟具有大规模[[莫尔超晶格]]的[[TMD异质结构]]，成为设计基于[[TMD]]的[[热超材料]]和[[器件]]的变革性工具，在精度与[[计算效率]]之间架起了桥梁。 == 摘要 == * '''原文标题'''：Forward kinematics of a general Stewart-Gough platform by elimination templates * '''中文标题'''：通用Stewart-Gough平台正运动学的消元模板解法 * '''发布日期'''：2025-05-01 16:18:07+00:00 * '''作者'''：Evgeniy Martyushev * '''分类'''：cs.RO *'''原文链接'''：http://arxiv.org/abs/2505.00634v1 '''中文摘要'''：本文针对通用[[Stewart-Gough平台]]的[[正向运动学]]问题提出了一种高效的[[代数解法]]。该问题需要根据[[支腿长度]]及[[平台]]与[[基座]]的[[内部几何结构]]，确定由六条支腿连接的[[活动平台]]所有可能的[[位姿]]。已知该问题存在40个解（包括[[实解]]与[[复解]]）。所提算法包含三个主要步骤：(i) 从描述[[平台运动学]]的[[多项式系统]]系数构建特定293×362[[稀疏矩阵]]（[[消元模板]]）；(ii) 利用该矩阵的[[PLU分解]]构造一对69×69[[矩阵]]；(iii) 通过计算该矩阵对的[[广义特征向量]]获得全部40个解（含[[复数解]]）。该算法具有[[数值鲁棒性]]、[[计算高效性]]且易于实现——仅需标准[[线性代数]]分解。算法的[[MATLAB]]、[[Julia]]和[[Python]]实现将公开提供。 == 摘要 == * '''原文标题'''：Accurate Modeling of Interfacial Thermal Transport in van der Waals Heterostructures via Hybrid Machine Learning and Registry-Dependent Potentials * '''中文标题'''：范德华异质结界面热输运的精确建模：基于混合机器学习与位型依赖势的方法 * '''发布日期'''：2025-05-01 08:02:12+00:00 * '''作者'''：Wenwu Jiang, Hekai Bu, Ting Liang, Penghua Ying, Zheyong Fan, Jianbin Xu, Wengen Ouyang * '''分类'''：physics.comp-ph *'''原文链接'''：http://arxiv.org/abs/2505.00376v1 '''中文摘要'''：[[二维过渡金属二硫属化物]]([[TMDs]])因其强层内[[共价键]]和弱层间[[范德华力]]([[vdW]])相互作用而表现出显著的[[热各向异性]]。然而，准确模拟其[[热输运]]特性仍面临重大挑战，主要源于[[密度泛函理论]]([[DFT]])的计算局限性和[[经典力场]]在[[非平衡态]]下的不准确性。为此，我们采用新开发的[[混合计算框架]]：结合[[机器学习势]]([[MLP]])处理层内相互作用，以及依赖[[堆叠构型]]的[[层间势]]([[ILP]])描述各向异性[[vdW]]层间作用，实现了接近[[量子力学]]的精度。该方法在[[TMD]]体系中的[[DFT]]计算结果和[[实验数据]]均展现出卓越的一致性，可精确预测[[晶格常数]]、[[体模量]]、[[莫尔重构]]、[[声子谱]]和[[热导率]]等关键性质。该方法的[[可扩展性]]使其能精确模拟具有大规模[[莫尔超晶格]]的[[TMD异质结构]]，成为设计基于[[TMD]]的[[热超材料]]和[[器件]]的变革性工具，在[[计算精度]]与[[效率]]之间架起了桥梁。 == 摘要 == * '''原文标题'''：Forward kinematics of a general Stewart-Gough platform by elimination templates * '''中文标题'''：通用Stewart-Gough平台正运动学的消元模板解法 * '''发布日期'''：2025-05-01 16:18:07+00:00 * '''作者'''：Evgeniy Martyushev * '''分类'''：cs.RO *'''原文链接'''：http://arxiv.org/abs/2505.00634v1 '''中文摘要'''：本文针对通用[[Stewart-Gough平台]]的[[正向运动学]]问题提出了一种高效的[[代数解法]]。该问题需要根据六条支腿的长度以及[[平台]]与[[基座]]的内部[[几何结构]]，确定[[移动平台]]相对于[[固定基座]]的所有可能[[位姿]]。已知该问题存在40个解（包括[[实解]]和[[复解]]）。所提[[算法]]包含三个主要步骤：(i) 从描述[[平台运动学]]的[[多项式系统]]系数构建一个特定的293×362[[稀疏矩阵]]（[[消元模板]]）；(ii) 利用该矩阵的[[PLU分解]]构造一对69×69[[矩阵]]；(iii) 通过计算该矩阵对的[[广义特征向量]]获得全部40个解（含[[复数解]]）。该算法具有[[数值鲁棒性]]、[[计算高效性]]且易于实现——仅需标准[[线性代数]]分解。算法的[[MATLAB]]、[[Julia]]和[[Python]]实现将公开提供。 == 摘要 == * '''原文标题'''：PDCS: A Primal-Dual Large-Scale Conic Programming Solver with GPU Enhancements * '''中文标题'''：PDCS：一种支持GPU加速的大规模锥规划原始-对偶求解器 * '''发布日期'''：2025-05-01 05:13:48+00:00 * '''作者'''：Zhenwei Lin, Zikai Xiong, Dongdong Ge, Yinyu Ye * '''分类'''：math.OC, cs.MS *'''原文链接'''：http://arxiv.org/abs/2505.00311v1 '''中文摘要'''：本文提出"原始-对偶锥规划求解器"(PDCS)——一种支持[[GPU加速]]的大规模[[锥规划]]求解器。该求解器当前支持[[线性规划]]、[[二阶锥规划]]、[[凸二次规划]]和[[指数锥规划]]问题。PDCS通过将[[稀疏矩阵]]-[[向量乘法]]作为核心计算操作，既保证[[内存效率]]又适配[[GPU加速]]，从而实现大规模问题的[[可扩展性]]。该求解器基于[[重启原始-对偶混合梯度法]]，并进一步整合了多项改进：[[自适应反射Halpern重启]]、[[自适应步长选择]]、[[自适应权重调整]]及[[对角重缩放]]。此外，PDCS采用基于[[双射]]的方法计算[[重缩放锥]]上的[[投影]]。其[[GPU]]实现版本[[cuPDCS]]通过定制化计算方案，利用[[GPU架构]]的不同层级处理不同类型和规模的[[锥体]]。数值实验表明，在[[Fisher市场均衡问题]]、[[Lasso回归]]和[[多周期投资组合优化]]等大规模锥规划应用中，cuPDCS通常比最先进的[[商业求解器]]和其他[[一阶方法]]更高效。在锥规划基准数据集[[CBLIB]]上，相比其他一阶方法，cuPDCS也展现出更好的可扩展性、效率和[[鲁棒性]]。这些优势在大规模、低精度场景中更为显著。 == 摘要 == * '''原文标题'''：Accurate Modeling of Interfacial Thermal Transport in van der Waals Heterostructures via Hybrid Machine Learning and Registry-Dependent Potentials * '''中文标题'''：基于混合机器学习和位点依赖势的范德华异质结界面热输运精确建模 * '''发布日期'''：2025-05-01 08:02:12+00:00 * '''作者'''：Wenwu Jiang, Hekai Bu, Ting Liang, Penghua Ying, Zheyong Fan, Jianbin Xu, Wengen Ouyang * '''分类'''：physics.comp-ph *'''原文链接'''：http://arxiv.org/abs/2505.00376v1 '''中文摘要'''：[[二维过渡金属硫族化合物]]([[TMDs]])因其强层内[[共价键]]和弱层间[[范德华力]]([[vdW]])相互作用而表现出显著的[[热各向异性]]。然而，准确模拟其[[热输运]]特性仍面临重大挑战，主要源于[[密度泛函理论]]([[DFT]])的计算局限性和[[经典力场]]在非平衡状态下的不准确性。为此，我们采用最新开发的混合计算框架，将用于层内相互作用的[[机器学习势]]([[MLP]])与描述各向异性[[vdW]]层间相互作用的位点相关层间势([[ILP]])相结合，实现了接近[[量子力学]]的精度。该方法在[[TMD]]体系中的[[DFT]]计算结果和实验数据表现出卓越的一致性，能准确预测[[晶格常数]]、[[体模量]]、[[莫尔重构]]、[[声子谱]]和[[热导率]]等关键性质。该方法的可扩展性使其能精确模拟具有大规模[[莫尔超晶格]]的[[TMD异质结构]]，成为设计基于[[TMD]]的[[热超材料]]和器件的变革性工具，在计算精度与效率之间架起了桥梁。 == 摘要 == * '''原文标题'''：Forward kinematics of a general Stewart-Gough platform by elimination templates * '''中文标题'''：通用Stewart-Gough平台正运动学的消元模板解法 * '''发布日期'''：2025-05-01 16:18:07+00:00 * '''作者'''：Evgeniy Martyushev * '''分类'''：cs.RO *'''原文链接'''：http://arxiv.org/abs/2505.00634v1 '''中文摘要'''：本文针对通用[[Stewart-Gough平台]]的[[正向运动学]]问题提出了一种高效的[[代数解法]]。该问题需要根据[[支腿长度]]及[[平台]]与[[基座]]的[[内部几何结构]]，确定由六条支腿连接的[[可动平台]]所有可能的[[位姿]]。已知该问题存在40个解（包括[[实解]]与[[复解]]）。所提算法包含三个主要步骤：(i) 从描述[[平台运动学]]的[[多项式系统]]系数构建特定293×362[[稀疏矩阵]]（[[消元模板]]）；(ii) 利用该矩阵的[[PLU分解]]构造一对69×69[[矩阵]]；(iii) 通过计算该矩阵对的[[广义特征向量]]获得全部40个解（含[[复数解]]）。该算法具有[[数值鲁棒性]]、[[计算高效性]]且易于实现——仅需标准[[线性代数]]分解。算法的[[MATLAB]]、[[Julia]]和[[Python]]实现将公开提供。 == 摘要 == * '''原文标题'''：Accurate Modeling of Interfacial Thermal Transport in van der Waals Heterostructures via Hybrid Machine Learning and Registry-Dependent Potentials * '''中文标题'''：基于混合机器学习和位点依赖势的范德华异质结界面热输运精确建模 * '''发布日期'''：2025-05-01 08:02:12+00:00 * '''作者'''：Wenwu Jiang, Hekai Bu, Ting Liang, Penghua Ying, Zheyong Fan, Jianbin Xu, Wengen Ouyang * '''分类'''：physics.comp-ph *'''原文链接'''：http://arxiv.org/abs/2505.00376v1 '''中文摘要'''：[[二维过渡金属硫族化合物]]([[TMDs]])因其强层内[[共价键]]和弱层间[[范德华力]]([[vdW]])相互作用而表现出显著的[[热各向异性]]。然而，准确模拟其[[热输运]]特性仍面临重大挑战，主要源于[[密度泛函理论]]([[DFT]])的计算局限性和[[经典力场]]在[[非平衡态]]下的不准确性。为此，我们采用最新开发的[[混合计算框架]]：结合[[机器学习势]]([[MLP]])处理层内相互作用，以及依赖[[堆叠构型]]的[[层间势]]([[ILP]])描述各向异性[[vdW]]层间作用，实现了接近[[量子力学]]的精度。该方法在[[TMD]]体系中的计算结果与[[DFT]]模拟和[[实验数据]]高度吻合，可精确预测[[晶格常数]]、[[体模量]]、[[莫尔重构]]、[[声子谱]]和[[热导率]]等关键性质。该方法的[[可扩展性]]使其能精确模拟具有大规模[[莫尔超晶格]]的[[TMD异质结构]]，成为设计基于[[TMD]]的[[热超材料]]和[[器件]]的变革性工具，在[[计算精度]]与[[效率]]之间架起了桥梁。 == 摘要 == * '''原文标题'''：SMSAT: A Multimodal Acoustic Dataset and Deep Contrastive Learning Framework for Affective and Physiological Modeling of Spiritual Meditation * '''中文标题'''：SMSAT：基于深度对比学习框架的多模态声学数据集及其在灵性冥想情感与生理建模中的应用 * '''发布日期'''：2025-05-01 19:55:50+00:00 * '''作者'''：Ahmad Suleman, Yazeed Alkhrijah, Misha Urooj Khan, Hareem Khan, Muhammad Abdullah Husnain Ali Faiz, Mohamad A. Alawad, Zeeshan Kaleem, Guan Gui * '''分类'''：cs.SD, cs.SI, eess.AS *'''原文链接'''：http://arxiv.org/abs/2505.00839v1 '''中文摘要'''：理解[[听觉刺激]]如何影响[[情绪]]和[[生理状态]]对推进[[情感计算]]与[[心理健康]]技术至关重要。本文通过综合[[生物特征信号]]测量，对三种[[听觉条件]]（[[灵性冥想]]SM、[[音乐]]M及[[自然静默]]NS）的[[情感]]与[[生理影响]]进行[[多模态评估]]。为此，我们提出"[[灵性冥想]]-[[音乐]]-[[静默]][[声学时间序列]]"（SMSAT）数据集——该新型[[基准]]包含[[受控暴露]]协议下记录的[[声学时间序列]]（ATS）信号，并严格保证[[人口多样性]]与[[实验一致性]]。为建模[[听觉诱导状态]]，我们开发了基于[[对比学习]]的SMSAT[[音频编码器]]，可从ATS数据中提取高判别性[[嵌入表征]]，在[[类间]]与[[类内评估]]中达到99.99%[[分类准确率]]。进一步提出"[[平静度分析模型]]"（CAM），该[[深度学习框架]]整合25项[[手工特征]]与[[学习特征]]，实现跨[[听觉条件]]的[[情感状态分类]]，稳健准确率达99.99%。[[配对t检验]]显示，通过[[方差分析]]进行的SM分析会引发更显著的[[生理波动]]，其[[心脏反应特征]]（CRC）存在显著偏差。相比现有最高准确率90%的方法，本[[模型性能]]提升显著（最高达99%）。本研究贡献了经过验证的[[多模态数据集]]及可扩展的[[深度学习框架]]，适用于[[压力监测]]、[[心理健康]]及基于[[治疗性音频]]的[[干预]]等[[情感计算]]应用。 == 摘要 == * '''原文标题'''：Forward kinematics of a general Stewart-Gough platform by elimination templates * '''中文标题'''：通用Stewart-Gough平台正运动学的消元模板解法 * '''发布日期'''：2025-05-01 16:18:07+00:00 * '''作者'''：Evgeniy Martyushev * '''分类'''：cs.RO *'''原文链接'''：http://arxiv.org/abs/2505.00634v1 '''中文摘要'''：本文针对通用[[Stewart-Gough平台]]的[[正向运动学]]问题提出了一种高效的[[代数解法]]。该问题需要根据[[支腿长度]]及[[平台]]与[[基座]]的[[内部几何结构]]，确定由六条支腿连接的[[活动平台]]所有可能的[[位姿]]。已知该问题存在40个解（包括[[实解]]与[[复解]]）。所提算法包含三个主要步骤：(i) 从描述[[平台运动学]]的[[多项式系统]]系数构建特定293×362[[稀疏矩阵]]（[[消元模板]]）；(ii) 利用该矩阵的[[PLU分解]]构造一对69×69[[矩阵]]；(iii) 通过计算该矩阵对的[[广义特征向量]]获得全部40个解（含[[复数解]]）。该算法具有[[数值鲁棒性]]、[[计算高效性]]且易于实现——仅需标准[[线性代数]]分解。算法的[[MATLAB]]、[[Julia]]和[[Python]]实现将公开提供。 == 摘要 == * '''原文标题'''：Accurate Modeling of Interfacial Thermal Transport in van der Waals Heterostructures via Hybrid Machine Learning and Registry-Dependent Potentials * '''中文标题'''：基于混合机器学习和位点依赖势的范德华异质结界面热输运精确建模 * '''发布日期'''：2025-05-01 08:02:12+00:00 * '''作者'''：Wenwu Jiang, Hekai Bu, Ting Liang, Penghua Ying, Zheyong Fan, Jianbin Xu, Wengen Ouyang * '''分类'''：physics.comp-ph *'''原文链接'''：http://arxiv.org/abs/2505.00376v1 '''中文摘要'''：[[二维过渡金属二硫属化物]]([[TMDs]])因其强层内[[共价键]]和弱层间[[范德华]]([[vdW]])相互作用而表现出显著的[[热各向异性]]。然而，准确模拟其[[热输运]]特性仍面临重大挑战，主要源于[[密度泛函理论]]([[DFT]])的计算局限性和[[经典力场]]在[[非平衡状态]]下的不准确性。为此，我们采用最新开发的[[混合计算框架]]：结合[[机器学习势]]([[MLP]])处理层内相互作用，以及依赖[[堆叠构型]]的[[层间势]]([[ILP]])处理各向异性[[vdW]]层间作用，实现了接近[[量子力学]]的精度。该方法在[[TMD]]体系中对[[DFT]]计算结果和[[实验数据]]表现出卓越的一致性，可精确预测[[晶格常数]]、[[体模量]]、[[莫尔重构]]、[[声子谱]]和[[热导率]]等关键性质。该方法的[[可扩展性]]使其能精确模拟具有大规模[[莫尔超晶格]]的[[TMD异质结构]]，成为设计基于[[TMD]]的[[热超材料]]和[[器件]]的变革性工具，在[[计算精度]]与[[效率]]之间架起桥梁。 == 摘要 == * '''原文标题'''：Forward kinematics of a general Stewart-Gough platform by elimination templates * '''中文标题'''：通用Stewart-Gough平台正运动学的消元模板解法 * '''发布日期'''：2025-05-01 16:18:07+00:00 * '''作者'''：Evgeniy Martyushev * '''分类'''：cs.RO *'''原文链接'''：http://arxiv.org/abs/2505.00634v1 '''中文摘要'''：本文针对通用[[Stewart-Gough平台]]的[[正向运动学]]问题提出了一种高效的[[代数解法]]。该问题需要根据[[支腿长度]]及[[平台]]与[[基座]]的[[内部几何结构]]，确定由六条支腿连接的[[活动平台]]所有可能的[[位姿]]。已知该问题存在40个解（包括[[实解]]与[[复解]]）。所提算法包含三个主要步骤：(i) 从描述[[平台运动学]]的[[多项式系统]]系数构建特定规模的293×362[[稀疏矩阵]]（[[消元模板]]）；(ii) 利用该矩阵的[[PLU分解]]构造一对69×69[[矩阵]]；(iii) 通过计算该矩阵对的[[广义特征向量]]获得全部40个解（含[[复数解]]）。该算法具有[[数值鲁棒性]]、[[计算高效性]]且易于实现——仅需标准[[线性代数]]分解。算法的[[MATLAB]]、[[Julia]]和[[Python]]实现将公开提供。 == 摘要 == * '''原文标题'''：Accurate Modeling of Interfacial Thermal Transport in van der Waals Heterostructures via Hybrid Machine Learning and Registry-Dependent Potentials * '''中文标题'''：通过混合机器学习和位点依赖势实现范德瓦尔斯异质结界面热输运的精确建模 * '''发布日期'''：2025-05-01 08:02:12+00:00 * '''作者'''：Wenwu Jiang, Hekai Bu, Ting Liang, Penghua Ying, Zheyong Fan, Jianbin Xu, Wengen Ouyang * '''分类'''：physics.comp-ph *'''原文链接'''：http://arxiv.org/abs/2505.00376v1 '''中文摘要'''：[[二维过渡金属二硫属化合物]]（[[TMDs]]）因其强层内[[共价键]]和弱层间[[范德华]]（[[vdW]]）相互作用而表现出显著的[[热各向异性]]。然而，准确模拟其[[热输运]]特性仍面临重大挑战，主要源于[[密度泛函理论]]（[[DFT]]）的计算局限性和[[经典力场]]在[[非平衡状态]]下的不准确性。为此，我们采用了一种新型[[混合计算框架]]：结合[[机器学习势]]（[[MLP]]）描述层内相互作用，以及依赖[[堆叠构型]]的[[层间势]]（[[ILP]]）描述各向异性[[vdW]]层间作用，从而实现了接近[[量子力学]]的精度。该方法在[[TMD]]体系中的[[DFT]]计算结果和[[实验数据]]均表现出卓越的一致性，可精准预测[[晶格常数]]、[[体模量]]、[[莫尔重构]]、[[声子谱]]及[[热导率]]等关键性质。该方法的[[可扩展性]]使其能精确模拟具有大规模[[莫尔超晶格]]的[[TMD异质结构]]，成为设计基于[[TMD]]的[[热超材料]]和[[器件]]的变革性工具，在[[计算精度]]与[[效率]]之间架起了桥梁。 == 摘要 == * '''原文标题'''：Forward kinematics of a general Stewart-Gough platform by elimination templates * '''中文标题'''：通用Stewart-Gough平台正运动学的消元模板解法 * '''发布日期'''：2025-05-01 16:18:07+00:00 * '''作者'''：Evgeniy Martyushev * '''分类'''：cs.RO *'''原文链接'''：http://arxiv.org/abs/2505.00634v1 '''中文摘要'''：本文针对通用[[Stewart-Gough平台]]的[[正向运动学]]问题提出了一种高效的[[代数解法]]。该问题需要根据[[支腿长度]]及[[平台]]与[[基座]]的[[内部几何结构]]，确定由六条支腿连接[[移动平台]]与[[固定基座]]时的所有可能[[位姿]]。已知该问题存在40个解（包括[[实解]]与[[复解]]）。所提算法包含三个主要步骤：(i) 根据描述[[平台运动学]]的[[多项式系统]]系数，构建一个特定的293×362[[稀疏矩阵]]（[[消元模板]]）；(ii) 利用该矩阵的[[PLU分解]]构造一对69×69矩阵；(iii) 通过计算该矩阵对的[[广义特征向量]]获得全部40个解（含[[复数解]]）。该算法具有[[数值鲁棒性]]、[[计算高效性]]且易于实现——仅需标准[[线性代数]]分解。算法的[[MATLAB]]、[[Julia]]和[[Python]]实现将公开提供。 == 摘要 == * '''原文标题'''：Accurate Modeling of Interfacial Thermal Transport in van der Waals Heterostructures via Hybrid Machine Learning and Registry-Dependent Potentials * '''中文标题'''：基于混合机器学习和位点依赖势的范德华异质结界面热输运精确建模 * '''发布日期'''：2025-05-01 08:02:12+00:00 * '''作者'''：Wenwu Jiang, Hekai Bu, Ting Liang, Penghua Ying, Zheyong Fan, Jianbin Xu, Wengen Ouyang * '''分类'''：physics.comp-ph *'''原文链接'''：http://arxiv.org/abs/2505.00376v1 '''中文摘要'''：[[二维过渡金属二硫属化物]]([[TMDs]])因其强层内[[共价键]]和弱层间[[范德华力]]([[vdW]])相互作用而表现出显著的[[热各向异性]]。然而，准确模拟其[[热输运]]特性仍面临重大挑战，主要源于[[密度泛函理论]]([[DFT]])的计算局限性和[[经典力场]]在[[非平衡态]]下的不准确性。为此，我们采用最新开发的[[混合计算框架]]：结合[[机器学习势]]([[MLP]])处理层内相互作用，以及依赖[[堆叠构型]]的[[层间势]]([[ILP]])描述各向异性[[vdW]]层间作用，实现了接近[[量子力学]]的精度。该方法在[[TMD]]体系中的[[DFT]]计算结果和[[实验数据]]均展现出卓越的一致性，可精确预测[[晶格常数]]、[[体弹性模量]]、[[莫尔重构]]、[[声子谱]]和[[热导率]]等关键性质。该方法的[[可扩展性]]使其能精确模拟具有大规模[[莫尔超晶格]]的[[TMD异质结构]]，成为设计基于[[TMD]]的[[热超材料]]和[[器件]]的变革性工具，在[[计算精度]]与[[效率]]之间架起了桥梁。
返回
WikiEdge:ArXiv速递/2025-05-01
。
导航菜单
个人工具
创建账号
登录
命名空间
项目页面
讨论
不转换
不转换
简体
繁體
大陆简体
香港繁體
澳門繁體
大马简体
新加坡简体
臺灣正體
查看
阅读
查看源代码
查看历史
更多
搜索
导航
首页
最近更改
随机页面
MediaWiki帮助
工具
链入页面
相关更改
特殊页面
页面信息