305336記事公開中

トレンドワード
  2. AIベンチマークリサーチ
  3. 論文研究
  4. プロトンの高次ねじれGTMD $F_{31}$の解析（Analysis of the higher twist GTMD $F_{31}$ for proton in the light-front quark-diquark model）
1未満 分で読了
0 views

プロトンの高次ねじれGTMD $F_{31}$の解析

（Analysis of the higher twist GTMD $F_{31}$ for proton in the light-front quark-diquark model）

さらに深い洞察を得る

AI戦略の専門知識を身につけ、競争優位性を構築しませんか？

AIBR プレミアム
年間たったの9,800円で
“AIに詳しい人”として
一目置かれる存在に！

プレミア会員になって、山ほどあるAI論文の中から効率よく大事な情報を手に入れ、まわりと圧倒的な差をつけませんか？

詳細を見る
【実践型】
生成AI活用キャンプ
【文部科学省認可】
満足度100%の生成AI講座
3ヶ月後には、
あなたも生成AIマスター！

「学ぶ」だけではなく「使える」ように。
経営者からも圧倒的な人気を誇るBBT大学の講座では、3ヶ月間質問し放題！誰1人置いていかずに寄り添います。

詳細を見る

ケントくん

博士、今日はどんな面白い話を聞かせてくれるの？AIのことは聞きたいけど、ちょっと複雑な話かも？

マカセロ博士

おお、ケントくん！今日はプロトンの話をしようと思っておる。特に、プロトンの内部に関する高次ねじれGTMDというものじゃ。ちょっとややこしいけど、面白いことがたくさんあるんじゃよ。

ケントくん

GTMDって初めて聞くけど、どういうものなの？

マカセロ博士

GTMDは、ハドロンの三次元運動力学を理解するための分布関数じゃ。今回は特に高次のねじれ関数、$F_{31}$というものを分析している。これがプロトンの内部でどう振る舞うかを理論的に解析することが目的なんじゃ。

ケントくん

ふむふむ、そんなに難しいけど、それでプロトンの何が分かるの？

マカセロ博士

それが面白いところじゃ。これでプロトンの内部運動量の相互作用がより深く理解できる可能性がある。そして今回はLFQDMというモデルを使うことで、さらに具体的な結果が得られたんじゃ。

引用情報

S. Sharma, H. Dahiya, “Analysis of the higher twist GTMD $F_{31}$ for proton in the light-front quark-diquark model,” arXiv preprint arXiv:2310.XXXX, 2023.

監修者

阪上雅昭（SAKAGAMI Masa-aki）
京都大学　人間・環境学研究科　名誉教授

論文研究シリーズ
前の記事
視覚的説明と属性および反事実による時系列分類
（Visual Explanations with Attributions and Counterfactuals on Time Series Classification）
次の記事
因果パラメータ推定による敵対的脆弱性の緩和
（Mitigating Adversarial Vulnerability through Causal Parameter Estimation by Adversarial Double Machine Learning）
関連記事
ライトフィールド画像超解像と状態空間モデル
（LFMamba: Light Field Image Super-Resolution with State Space Model）
時空間リニア：汎用多変量時系列予測に向けて
（SPATIOTEMPORAL-LINEAR: TOWARDS UNIVERSAL MULTIVARIATE TIME SERIES FORECASTING）
ナノVLMs: どれだけ小さくしても一貫したVision‑Language Modelsを作れるか？
（NanoVLMs: How small can we go and still make coherent Vision Language Models?）
大規模言語モデルの事後量子化最適化：低ランク重みスケーリング行列を学習するLRQ
(Optimizing Post-Training Quantization for Large Language Models by Learning Low-Rank Weight-Scaling Matrices)
ONNXim：高速サイクルレベルのマルチコアNPUシミュレータ
（ONNXim: A Fast, Cycle-level Multi-core NPU Simulator）
Lyapunov exponents of minimizing measures for globally positive diffeomorphisms in all dimensions
（すべての次元における全体的に正な微分同相写像の最小化測度のリアプノフ指数）
この記事をシェア

有益な情報を同僚や仲間と共有しませんか？

AI技術革新 - 人気記事
ブラックホールと量子機械学習の対応
（Black hole/quantum machine learning correspondence）
  • 論文研究
生成AI検索における敏感なユーザークエリの分類と分析
（Taxonomy and Analysis of Sensitive User Queries in Generative AI Search System）
  • 論文研究
DiReDi：AIoTアプリケーションのための蒸留と逆蒸留
（DiReDi: Distillation and Reverse Distillation for AIoT Applications）
  • 論文研究

PCも苦手だった私が

“AIに詳しい人“
として一目置かれる存在に！
  • AIBRプレミアム
  • 実践型生成AI活用キャンプ
あなたにオススメのカテゴリ
論文研究
最新記事
音声から「屋外録音」時の3D顔動作を合成する技術
（Synthesising 3D Facial Motion from “In-the-Wild” Speech）
  • 論文研究
大量のツイートに基づく市民の特徴付け
（Characterization of citizens using word2vec and latent topic analysis in a large set of tweets）
  • 論文研究
オミクスデータの統合的コンセンサスクラスタリングのための多重カーネル学習
（Multiple kernel learning for integrative consensus clustering of ’omic datasets）
  • 論文研究
生成モデルの精度と網羅性を分離して評価する手法の改良
（Improved Precision and Recall Metric for Assessing Generative Models）
  • 論文研究
SR-GANによるゼロショット学習の改良
（SR-GAN: SEMANTIC RECTIFYING GENERATIVE ADVERSARIAL NETWORK FOR ZERO-SHOT LEARNING）
  • 論文研究
継続学習の三つのシナリオ
（Three scenarios for continual learning）
  • 論文研究
さらに深い洞察を得る

AI戦略の専門知識を身につけ、競争優位性を構築しませんか？

AIBR プレミアム
年間たったの9,800円で
“AIに詳しい人”として一目置かれる存在に！

プレミア会員になって、山ほどあるAI論文の中から効率よく大事な情報を手に入れ、まわりと圧倒的な差をつけませんか？

詳細を見る
【実践型】
生成AI活用キャンプ
【文部科学省認可】
満足度100%の生成AI講座
3ヶ月後には、あなたも生成AIマスター！

「学ぶ」だけではなく「使える」ように。
経営者からも圧倒的な人気を誇るBBT大学の講座では、3ヶ月間質問し放題！誰1人置いていかずに寄り添います。

詳細を見る

AI Benchmark Researchをもっと見る

今すぐ購読し、続きを読んで、すべてのアーカイブにアクセスしましょう。

続きを読む