Javascript must be enabled to continue!
Random Tensor models : Combinatorics, Geometry, Quantum Gravity and Integrability
View through CrossRef
Modèles de tenseurs aléatoires : combinatoire, géométrie, gravité quantique et intégrabilité
Dans cette thèse nous explorons différentes facettes des modèles de tenseurs aléatoires. Les modèles de tenseurs aléatoires ont été introduits en physique dans le cadre de l'étude de la gravité quantique. En effet les modèles de matrices aléatoires, qui sont un cas particuliers de modèles de tenseurs, en sont une des origines. Ces modèles de matrices sont connus pour leur riche combinatoire et l'incroyable diversité de leurs propriétés qui les font toucher tous les domaines de l'analyse, la géométrie et des probabilités. De plus leur étude par les physiciens ont prouvé leur efficacité en ce qui concerne l'étude de la gravité quantique à deux dimensions. Les modèles de tenseurs aléatoires incarnent une généralisation possible des modèles de matrices. Comme leurs cousins, les modèles de matrices, ils posent questions dans les domaines de la combinatoire (comment traiter les cartes combinatoires d dimensionnelles ?), de la géométrie (comment contrôler la géométrie des triangulations générées ?) et de la physique (quel type d'espace-temps produisent-ils ? Quels sont leurs différentes phases ?). Cette thèse espère établir des pistes ainsi que des techniques d'études de ces modèles. Dans une première partie nous donnons une vue d'ensemble des modèles de matrices. Puis, nous discutons la combinatoire des triangulations en dimensions supérieures ou égales à trois en nous concentrant sur le cas tridimensionnelle (lequel est plus simple à visualiser). Nous définissons ces modèles et étudions certaines de leurs propriétés à l'aide de techniques combinatoires permettant de traiter les cartes d dimensionnelles. Enfin nous nous concentrons sur la généralisation de techniques issues des modèles de matrices dans le cas d'une famille particulières de modèles de tenseurs aléatoires. Ceci culmine avec le dernier chapitre de la thèse donnant des résultats partiels concernant la généralisation de la récurrence topologique de Eynard et Orantin à cette famille de modèles de tenseurs.
Title: Random Tensor models : Combinatorics, Geometry, Quantum Gravity and Integrability
Description:
Modèles de tenseurs aléatoires : combinatoire, géométrie, gravité quantique et intégrabilité
Dans cette thèse nous explorons différentes facettes des modèles de tenseurs aléatoires.
Les modèles de tenseurs aléatoires ont été introduits en physique dans le cadre de l'étude de la gravité quantique.
En effet les modèles de matrices aléatoires, qui sont un cas particuliers de modèles de tenseurs, en sont une des origines.
Ces modèles de matrices sont connus pour leur riche combinatoire et l'incroyable diversité de leurs propriétés qui les font toucher tous les domaines de l'analyse, la géométrie et des probabilités.
De plus leur étude par les physiciens ont prouvé leur efficacité en ce qui concerne l'étude de la gravité quantique à deux dimensions.
Les modèles de tenseurs aléatoires incarnent une généralisation possible des modèles de matrices.
Comme leurs cousins, les modèles de matrices, ils posent questions dans les domaines de la combinatoire (comment traiter les cartes combinatoires d dimensionnelles ?), de la géométrie (comment contrôler la géométrie des triangulations générées ?) et de la physique (quel type d'espace-temps produisent-ils ? Quels sont leurs différentes phases ?).
Cette thèse espère établir des pistes ainsi que des techniques d'études de ces modèles.
Dans une première partie nous donnons une vue d'ensemble des modèles de matrices.
Puis, nous discutons la combinatoire des triangulations en dimensions supérieures ou égales à trois en nous concentrant sur le cas tridimensionnelle (lequel est plus simple à visualiser).
Nous définissons ces modèles et étudions certaines de leurs propriétés à l'aide de techniques combinatoires permettant de traiter les cartes d dimensionnelles.
Enfin nous nous concentrons sur la généralisation de techniques issues des modèles de matrices dans le cas d'une famille particulières de modèles de tenseurs aléatoires.
Ceci culmine avec le dernier chapitre de la thèse donnant des résultats partiels concernant la généralisation de la récurrence topologique de Eynard et Orantin à cette famille de modèles de tenseurs.
Related Results
Advanced frameworks for fraud detection leveraging quantum machine learning and data science in fintech ecosystems
Advanced frameworks for fraud detection leveraging quantum machine learning and data science in fintech ecosystems
The rapid expansion of the fintech sector has brought with it an increasing demand for robust and sophisticated fraud detection systems capable of managing large volumes of financi...
Gravity data reduction, Bouguer anomaly, and gravity disturbance
Gravity data reduction, Bouguer anomaly, and gravity disturbance
Each point on the earth has a gravity and gravity potential value. Surfaces formed by connecting points with equal gravity potential values are called equipotential surfaces or lev...
Theoretical Foundations and Practical Applications in Signal Processing and Machine Learning
Theoretical Foundations and Practical Applications in Signal Processing and Machine Learning
Tensor decomposition has emerged as a powerful mathematical framework for analyzing multi-dimensional data, extending classical matrix decomposition techniques to higher-order repr...
Integrating quantum neural networks with machine learning algorithms for optimizing healthcare diagnostics and treatment outcomes
Integrating quantum neural networks with machine learning algorithms for optimizing healthcare diagnostics and treatment outcomes
The rapid advancements in artificial intelligence (AI) and quantum computing have catalyzed an unprecedented shift in the methodologies utilized for healthcare diagnostics and trea...
Advancements in Quantum Computing and Information Science
Advancements in Quantum Computing and Information Science
Abstract: The chapter "Advancements in Quantum Computing and Information Science" explores the fundamental principles, historical development, and modern applications of quantum co...
Quantum Computing and Quantum Information Science
Quantum Computing and Quantum Information Science
Abstract:
Quantum Computing and Quantum Information Science offers a comprehensive, interdisciplinary exploration of the mathematical principles, computational models, and engineer...
Enhanced inherent strain modelling for powder-based metal additive manufacturing
Enhanced inherent strain modelling for powder-based metal additive manufacturing
(English) Metal additive manufacturing (MAM), particularly powder bed fusion using a laser beam (PBF-LB), has transformed manufacturing by enabling the production of intricate and ...
Quantum information outside quantum information
Quantum information outside quantum information
Quantum theory, as counter-intuitive as a theory can get, has turned out to make predictions of the physical world that match observations so precisely that it has been described a...

