外微分在场论中的应用,曹维玺,曹剑光,本文建立了外微分理论与场论中一些概念的对应法则,指出外微分形式是场论中众多命题的数学模型,得到用外微分运算解决场论中有关
2022-10-09 16:25:59 312KB 首发论文
1
第五章 右值引用、移动语义和完美转发 条款23:理解std::move和std::forward 条款24:区分通用引用和右值引用 条款25:在右值引用上使用std::move 在通用引用上使用std::forward 条款26:避免在通用引用上重定义函数 条款27:熟悉通用引用上重定义函数的其他选择 条款28:理解引用折叠 条款29:假定移动操作不存在,不廉价,不使用 条款30:熟悉完美转发和失败的情况 第六章 Lambda表达式 条款31:避免默认的参数捕捉 条款32:使用init捕捉来移动对象到闭包 条款33:在auto&&参数上使用decltype当std::forward auto&&参数 条款34:优先使用lambda而不是std::bind 第七章 并发API 条款35:优先使用task-based而不是thread-based 条款36:当异步是必要的时声明std::launch::async 条款37:使得std::thread在所有的路径下无法join 条款38:注意线程句柄析构的行为 条款39:考虑在一次性事件通信上void的特性 条款40:在并发时使用std::atomic 在特殊内存上使用volatile 第八章 改进 条款41:考虑对拷贝参数按值传递移动廉价,那就尽量拷贝 条款42:考虑使用emplace代替insert 2
2022-04-30 11:51:33 1.8MB c++ Effective.Mo Effective C+
1
三、矢量场的环量与旋度 ( 为有向曲线微元dl 的单位切向) 矢量场                      沿场中某一闭合有向曲线l 的曲线积分  1. 矢量场的环量 叫做矢量场     按积分所取方向沿曲线l 的环量。 ①矢量场的环量为标量,若令有向曲线微元的切向方向余弦为      注释: 则有:
2022-03-24 11:20:50 990KB 场论相关
1
楼 我的博士论文中 sigmoid 信念网络的平均场论的 MATLAB 代码。
2022-03-16 11:50:14 184KB PostScript
1
与A.Zee的量子场论配套笔记,pdf格式
2022-02-06 11:37:22 561KB 量子场论
1
普通中微子相互作用(GNI)是中微子与费米子的标量,拟标量,向量,轴向向量或张量相互作用,并推广了经常研究的中微子非标准相互作用(NSI)。 如果GNI来自繁重的新物理学,则应将它们嵌入有效的遵守标准模型(SM)规范对称性的场论算子中。 因此,我们考虑了包含SM费米子和右手单线态中微子的六元规范不变算子的完整基础,并将其Wilson系数映射到GNI参数上。 在这个嵌入中,我们讨论了在带电轻子味道违反过程和中微子-费米子散射以及β衰变和相干中微子-核散射的情况下,不同GNI的界限和相关性。 我们还研究了通过le夸克与GNI相关的六维算符的可能的紫外线完成,这可能与辐射中微子质量和B物理学异常有关。 还提供了有关狄拉克或马约拉纳中微子以及CP违反或守恒的免费GNI参数数量的详细信息。
2021-12-28 10:15:40 469KB Open Access
1
这是矢量分析与场论教科书的电子版 希望对大家有所帮助
2021-12-25 19:59:51 1.94MB 矢量分析 场论
1
14_maxent 作者:Justin B. Kinney,冷泉港实验室 最后更新于 2015 年 3 月 23 日 参考:Kinney JB (2014) 统一场论和学习概率密度的最大熵方法。 arXiv:1411.5371 [physics.data-an] 代码: : === 说明 === 所有计算均使用 Enthought 的 Canopy Python Environment 执行,可在 依赖:scipy 文件deft_nobc.py和deft_utils.py包含本文中使用的所有密度估计例程。 只需将此文件复制到您想要进行密度估计的任何目录,并在您的 Python 脚本中执行“from deft_nobc.py import deft_nobc_1d” 要查看一维函数“deft_nobc_1d”的简单演示,请运行demo.py 要重新创建图 2,请运行fig
2021-12-23 21:20:22 24.23MB Python
1
量子场论量子场论量子场论量子场论很好的介绍量子场论的书籍,希望大家喜欢啊
2021-12-22 10:20:49 11.78MB 量子场论 量子 量子场论
1
MEC_offloading 在竞争性《移动边缘计算市场》论文的模拟结果中生成智能动态数据分流的代码。 抽象的 能够动态管理并满足最终用户计算需求的软件定义网络(SDN)和移动边缘计算(MEC)已经成为5G网络的关键支持技术。 本文研究了在多个MEC服务器和多个最终用户环境中,最终用户选择MEC服务器及其最优数据卸载以及MEC服务器的最优价格设置的共同问题。 SDN技术提供的灵活性和可编程性使所提议框架的实际实现成为可能。 最初,SDN控制器基于随机学习自动机理论执行增强学习框架,以使最终用户能够选择MEC服务器来卸载其数据。 在整个MEC选择过程中,将考虑MEC服务器提供的折扣,其拥挤程度和在为最终用户的计算任务提供服务方面的渗透率,以及其宣布的计算服务价格。 为了确定最终用户将数据卸载到所选MEC服务器的部分,制定了每个服务器的最终用户之间的非合作博弈,并显示了相应Nash均衡的存
2021-11-29 13:52:50 19KB Python
1