
Введение в категорификацию: гомологии Хованова | QTC | Юрий Белоусов
Introduction à la catégorification : homologie de Khovanov | QTC | Yuri Belousov
Notes de synthèse d'analyses vidéo, évaluées et condensées, en français et en anglais.
Suivre les nouveaux tuit · RSS

Introduction à la catégorification : homologie de Khovanov | QTC | Yuri Belousov

Dirigé par des femmes : transitions vers une énergie propre dans le Kenya rural

Équipement de sports d'hiver : ski, patinage, curling et plus ! 🥌 | Comment c'est fait | Science Channel

Pourquoi l'interface de ligne de commande de Google Workspace est si importante

Pourquoi cette ferme a-t-elle survécu aux inondations extrêmes du Vermont ?

Quand l'Europe était l'endroit le plus dangereux où vivre | Documentaire complet

Que se passe-t-il lorsque l'IA gère toute l'économie ?

Que sont les agents IA hiérarchiques ? Résoudre les défis de contexte et de tâches


Documentaire Virginia Woolf pour s'endormir

Colloque de génétique de l'UW-Madison - Sadie Wignall | 3 mars 2026

Traces de la première astronomie de l’humanité | SLICE SCIENCE | DOCUMENTAIRE COMPLET


Ce robot vient de changer à jamais le secteur du solaire à grande échelle

La crise de la RAM — et les gagnants que personne n'attendait


Avancées du Stanford Cancer Institute dans le cancer : Reuben Shaw, PhD

Sam Raskin - 2/6 Quelques Aspects du Programme de Langlands Géométrique

S3 #45 Comment les enfants apprennent-ils les adjectifs ? Cerveau à cerveau avec Charlotte Uhlemann.



QTML : Déquantification basée sur le noyau du QML variationnel

QTML 2025 : Algorithmes quantiques variationnels délégués de bout en bout vérifiables

QTML 2025 : Algorithmes quantiques variationnels avec transport géodésique exact

QTML 2025 : Tests tolérants des états de stabilisation avec des entrées d’état mixtes

QTML 2025 : État des états de type stabilisateur d’apprentissage

QTML 2025: Le problème du sous-groupe caché de l'état (SHSP) : Apprendre les groupes stabilisateurs et au-delà

QTML 2025 : Tester les propriétés classiques à partir de données quantiques

QTML 2025 : Tests et vérification pour l'apprentissage quantique

QTML 2025 : Éclairer les zones d’ombre classiques : l’apprentissage des états quantiques photoniques

QTML 2025: Ombres de l'apprentissage automatique quantique et séparations d'apprentissage à faible profondeur

QTML 2025 : Modèles d’apprentissage automatique quantique évolutifs dans l’espace de Fourier

QTML 2025: Décodeurs neuronaux évolutifs pour une connexion pratique d'erreurs quantiques en temps réel

QTML 2025 : Accélérations quantiques quartiques pour l’interface implantée

QTML 2025 : QuantumBoost : un algorithme quantique paresseux, mais rapide, pour l’apprentissage

QTML 2025 : Modèles de monde quantique pour un monde quantique

QTML 2025 : Thermodynamique quantique et optimisation semi-définie

QTML 2025 : Extraction de travail agnostique à l’état quantique (presque) sans dissipation

QTML 2025 : Réseau neuronal d’intégration récurrente quantique
