熱門Ptt文章

[爆卦]transformation數學是什麼？優點缺點精華區懶人包

雖然這篇transformation數學鄉民發文沒有被收入到精華區：在transformation數學這個話題中，我們另外找到其它相關的精選爆讚文章

在 transformation數學產品中有14篇Facebook貼文，粉絲數超過4,466的網紅賭Sir（杜氏數學），也在其Facebook貼文中提到， ⁣⁣✨F.4/5 必讀：M1/M2《大考備戰精讀班》⁣ 🔥只需 $50．助你掌握 M1/M2 搶分神技🔥⁣ ⁣ 大考轉眼就到，同學仔呢排係咪操卷操到眼又矇、手又震呢🤣⁣ ⁣ 操多啲數當然對成績有幫助，但其實有技巧咁溫，先可以令你升到上 Lv.5+😎⁣ ⁣ 即係點？上完我嚟緊嘅《AfterSchool...

　同時也有522部Youtube影片，追蹤數超過6萬的網紅Herman Yeung，也在其Youtube影片中提到，HKDSE Mathematics 數學天書 訂購表格及方法︰https://www.sites.google.com/view/HermanYeung 課程簡介︰ https://youtu.be/KKTtzLkpyO8 (e-Book) DSE Maths 數學 Past Paper Solut...

「transformation數學」的推薦目錄

transformation數學 在 ?賭Sir｜數學考試專家 Instagram 的精選貼文

2021-06-03 11:22:02

⁣⁣✨F.4/5 必讀：M1/M2《大考備戰精讀班》⁣ 🔥只需 $50．助你掌握 M1/M2 搶分神技🔥⁣ ⁣ 大考轉眼就到，同學仔呢排係咪操卷操到眼又矇、手又震呢🤣⁣ ⁣ 操多啲數當然對成績有幫助，但其實有技巧咁溫，先可以令你升到上 Lv.5+😎⁣ ⁣ 即係點？上完我嚟緊嘅《AfterSchool...

transformation數學 在 ???? ♥ Instagram 的精選貼文

2021-01-12 08:47:29

(琴日打完唔記得post🤣) 過咗年頭糟糕到年尾嘅 2019後 2020對我黎講 唔算太差👌🏻 要感謝自己 就算疫情期間好多限制 都有努力做好每件事 無枉過左呢一年! 年頭的起心肝跟 @ericho_hk train 🏋🏻‍♀️ 盡左最大努力eat clean train hard 加上專業嘅指...

  • 賭Sir（杜氏數學）

    transformation數學 在 賭Sir（杜氏數學） Facebook 的最佳貼文

    2021-05-18 21:30:30
    有 4 人按讚

    ⁣⁣✨F.4/5 必讀：M1/M2《大考備戰精讀班》⁣
    🔥只需 $50．助你掌握 M1/M2 搶分神技🔥⁣
    ⁣
    大考轉眼就到，同學仔呢排係咪操卷操到眼又矇、手又震呢🤣⁣
    ⁣
    操多啲數當然對成績有幫助，但其實有技巧咁溫，先可以令你升到上 Lv.5+😎⁣
    ⁣
    即係點？上完我嚟緊嘅《AfterSchool 大考備戰精讀班》，你就知㗎啦🤫！⁣
    ⁣
    我會教你今個大考嘅重點課題嘅執分位，同你揭穿校內試嘅出題方式，再幫你建立一套 mindset，等你一見到題目就識得寫齊步驟拎滿分😏⁣
    ⁣
    想今個大考嘅成績極速進步，等老師同其他同學嚇一跳，就即刻報名喇🥳⁣
    ⁣
    ------------⁣⁣⁣
    🔥課程內容及配套⁣
    ⁣
    M1 精讀班內容：⁣
    👉🏻快速上手，解決《Limit》、《Log Transformation》、《Trapezoidal Rule》三大執分位。⁣
    👉🏻搞掂PP = 搞掂校內試？NO！揭穿【校內試 vs DSE】老師出題嘅不同陰謀！⁣
    👉🏻說明書學習法，令自己成為執分機器——每次遇到呢堆題目，只需要做同一 set 步驟就搶齊分！⁣
    ⁣
    M2 精讀班內容：⁣
    👉🏻深度開竅，解決《Trigonometric Functions》呢個 M2 連環殺手級課題！！！！！⁣
    👉🏻搞掂PP = 搞掂校內試？NO！揭穿【校內試 vs DSE】老師出題嘅不同陰謀！⁣
    👉🏻說明書學習法，揸住枝筆無從入手嘅時候，依照固定步驟逼出下一步，由發呆階段推至搶足分！⁣
    ⁣
    🤩報讀課程嘅同學會得到：⁣
    ⁣⁣✨中四五大考精讀筆記（連計數機 PROGRAM）⁣
    ⁣⁣✨Pre-Mock Paper（連答案）⁣
    ⁣⁣✨中四五日校 style Mock Paper（連 Marking Scheme）⁣
    ⁣
    ------------⁣⁣⁣
    ⁣😎10 個課程．總有一科啱你⁣
    ⁣
    除咗 M1、M2 之外，同學仲有另外 8 個課程可以選擇，分別喺：⁣
    ⁣
    中文科、英文科、數學科、中史科、HIST、CHEM、BAFS、GEOG，一次過解決同學面對唔同科目嘅困難🥳⁣
    ⁣
    只需 $50，就可以喺今次大考見到即時進步，再喺 DSE 成為 Lv.5+ 贏家！⁣
    報讀 2 科或以上，仲享有折扣添👉🏻兩科只需 $80，之後每科 $20😆⁣
    ⁣
    ------------⁣⁣⁣
    🥳立即報讀．等你嘅成績即時進步⁣
    ⁣
    想知道更多課堂詳情，同學可以去我嘅 BIO 了解更多😆⁣
    ⁣
    如果你想查詢其他科目嘅課程內容，亦可以去 @afterschool.dse 嘅 BIO 查詢！⁣
    ⁣
    報名期為即日起至 27/5 23:59，立即把握機會，為大考作最後衝刺喇💪🏻⭐⁣
    ⁣⁣
    🔥即到 BIO 報名/查詢 @dse_herman_to_math⁣
    🔥即到 BIO 報名/查詢 @dse_herman_to_math⁣
    🔥即到 BIO 報名/查詢 @dse_herman_to_math⁣
    ⁣
    ------------⁣⁣
    🎲賭Sir｜高階數學考試專家⁣⁣
    ⁣⁣
    🎓21 項數學公開試．以一 Take 過考取完美戰績⁣
    DSE：Math+M1+M2【5**】⁣⁣
    CE & AL：Math+A.Math+Pure+Applied【A】⁣⁣
    IAL：C12+C34+F1+F2+F3+M1+M2+M3+S1+S2+S3+D1【A】⁣⁣
    IGCSE：Mathematics+Further Pure Mathematics 【9】⁣⁣
    ⁣⁣
    🖥最高人氣補習網紅‧貼地教數別樹一格⁣⁣
    頻道 #杜氏數學 2016 年創辦，訂閱 70,000+，多條教學影片點擊達一千萬以上；2018 年獲出版社邀請，撰寫暢銷書《5** 數學男人嫁得過》推廣「聰明應試」理念，並鼓勵年青人堅守自信。⁣⁣
    ⁣⁣
    🧠以心理學、高效學習融入補習教育當中⁣⁣
    從中文大學風險管理學士畢業之後，鑽研超速學習法（Ultralearning）及教育心理學，將高效學方法先行用於自己身上，無間斷學習新知識；四年後重返校園，完成中文大學數學碩士（大數據分析）課程，期間考入門薩學會（Mensa），實證超速學習法。⁣⁣
    ⁣⁣
    ------------⁣⁣
    #數學 #DSE #dser #math #maths #afterschool #dsemath #examskills #mathtutor #followme #2024DSE #2022DSE #2023DSE #tutor #mathtutor #DSEfighter #tutorial⁣

  • 賭Sir（杜氏數學）

    transformation數學 在 賭Sir（杜氏數學） Facebook 的精選貼文

    2021-04-21 19:19:47
    有 6 人按讚

    Graph Transformation從來唔洗死背，前後左右巴黎鐵塔三百六任你點玩都好，只需要記住呢三個技巧就可以係校內試、DSE取得滿分。即刻睇下做法~
    https://www.youtube.com/watch?v=88BCf9H_eDA

  • 台灣物聯網實驗室 IOT Labs

    transformation數學 在 台灣物聯網實驗室 IOT Labs Facebook 的精選貼文

    2021-01-05 10:44:35
    有 1 人按讚

    用深度神經網路求解「薛丁格方程式」，AI 開啟量子化學新未來

    作者 雷鋒網 | 發布日期 2021 年 01 月 02 日 0:00 |

    19 世紀末，量子力學的提出為解釋微觀物質世界打開了一扇大門，徹底改變了人類對物質結構及相互作用的理解。已有實驗證明，量子力學解釋了許多被預言、無法直接想像的現象。

    由此，人們也形成了一種既定印象，所有難以理解的問題都可以透過求解量子力學方程式來解決。

    但事實上能夠精確求解方程式的體系少之又少。

    薛丁格方程式是量子力學的基本方程式，即便已經提出七十多年，它的氫原子求解還是很困難，超過兩個電子的氫原子便很難保證精確度。

    不過，多年來科學家們一直在努力克服這一難題。

    最近，來自柏林自由大學（Freie Universität Berlin） 的科學團隊取得了突破性進展，他們發表的一篇名為《利用深度神經網路解電子薛丁格方程式》的論文，登上《Nature Chemistry》子刊。

    論文明確指出：利用人工智慧求解薛丁格方程式基態解，達到了前所未有的準確度和運算效率。該人工智慧即為深度神經網路（Deep-neural-network），他們將其命名為 PauliNet。

    在介紹它之前，我們先來簡單了解薛丁格方程式。

    什麼是薛丁格方程式？

    薛丁格方程式（Schrödinger Equation），是量子力學中的一個基本方程式。又稱薛丁格波動方程式（Schrödinger Wave Equation），它的命名來自一位名為埃爾溫·薛丁格（Erwin Schrödinger）的奧地利物理學家。

    Erwin 曾在 1933 年獲得諾貝爾物理學獎，是量子力學奠基人之一。他在 1926 年發表的量子波形開創性論文中，首次提出了薛丁格方程式。它是一個非相對論的波動方程式，反映了描述微觀粒子的狀態隨時間變化的規律。

    具體來說，將物質波的概念和波動方程式相結合建立二階偏微分方程式，以描述微觀粒子的運動，每個微觀系統都有一個相應的薛丁格方程式，透過「解方程式」可得到波函數的具體形式以及對應的能量，從而了解微觀系統的性質。

    薛丁格方程式在量子力學的地位，類似牛頓運動定律在經典力學的地位，在物理、化學、材料科學等多領域都有廣泛應用價值。

    比如，應用量子力學的基本原理和方法研究化學問題已形成「量子化學」基礎學科，研究範圍包括分子的結構、分子結構與性能之間的關係；分子與分子之間的相互碰撞、相互作用等。

    也就是說，在量子化學，透過求解薛丁格方程式可以用來預測出分子的化學和物理性質。

    波函數（Wave Function）是求解薛丁格方程式的關鍵，在每個空間位置和時間都定義一個物理系統，並描述系統隨時間的變化，如波粒二象性。同時還能說明這些波如何受外力或影響發生改變。

    以下透過氫原子求解可得到正確的波函數。

    不過，波函數是高維實體，使捕獲特定編碼電子相互影響的頻譜變得異常困難。

    目前在量子化學領域，很多方法都證實無法解決這難題。如利用數學方法獲得特定分子的能量，會限制預測的精確度；使用大量簡單的數學構造塊表示波函數，無法使用少數原子進行計算等。

    在此背景下，柏林自由大學科學團隊提出了一種有效的應對方案。團隊成員簡‧赫爾曼（Jan Hermann）稱，到目前為止，離群值（Outlier）是最經濟有效的密度泛函理論（Density functional theory ，一種研究多電子體系電子結構的方法）。相比之下，他們的方法可能更成功，因在可接受計算成本下提供前所未有的精確度。

    PauliNet：物理屬性引入 AI 神經網路
    Hermann 所說的方法稱為量子蒙地卡羅法。

    論文顯示，量子蒙地卡羅（Quantum Monte Carlo）法提供可能的解決方案：對大分子來說，可縮放和並行化，且波函數的精確性只受 Ansatz 靈活性的限制。

    具體來說，團隊設計一個深層神經網路表示電子波函數，這是一種全新方法。PauliNet 有當成基準內建的多參考 Hartree-Fock 解決方案，結合有效波函數的物理特性，並使用變分量子蒙地卡洛訓練。

    弗蘭克‧諾（Frank Noé）教授解釋：「不同於簡單標準的數學公式求解波函數，我們設計的人工神經網路能夠學習電子如何圍繞原子核定位的複雜模式。」

    電子波函數的獨特特徵是反對稱性。當兩個電子交換時，波函數必須改變符號。我們必須將這種特性構建到神經網路體系結構才能工作。

    這類似包立不相容原理（Pauli’s Exclusion Principle），因此研究人員將該神經網路體系命名為「PauliNet」。

    除了包立不相容原理，電子波函數還具有其他基本物理特性。PauliNet 成功之處不僅在於利用 AI 訓練數據，還在將這些物理屬性全部整合到深度神經網路。

    對此，FrankNoé 還特意強調說：

    「將基本物理學納入 AI 至關重要，因為它能夠做出有意義的預測，這是科學家可以為 AI 做出有實質性貢獻的地方，也是我們關注的重點。」

    實驗結果：高精確度、高效率

    PauliNet 對電子薛丁格方程式深入學習的核心方法是波函數 Ansatz，它結合了電子波函數斯萊特行列式（Slater Determinants），多行列式展開（Multi-Determinant Expansion），Jastro 因子（Jastrow Factor），回流變換（backflow transformation,），尖點條件（Cusp Conditions）以及能夠編碼異質分子系統中電子運動複雜特徵的深層神經網路。如下圖：

    論文中，研究人員將 PauliNet 與 SD-VMC（singledeterminant variational，標準單行列式變分蒙地卡羅）、SD-DMC（singledeterminant diffusion，標準單行列式擴散蒙地卡羅）和 DeepWF 進行比較。

    實驗結果顯示，在氫分子（H_2）、氫化鋰（LiH）、鈹（Be）以及硼（B）和線性氫鏈 H_10 五種基態能量的對比下，PauliNe 相較於 SD-VMC、SD-DMC 以及 DeepWF 均表現出更高的精準度。

    同時論文中還表示，與專業的量子化學方法相比──處理環丁二烯過渡態能量，其準確性達到一致性的同時，也能夠保持較高的計算效率。

    開啟「量子化學」新未來

    需要說明的是，該項研究屬於一項基礎性研究。

    也就是說，它在真正應用到工業場景之前，還有很多挑戰需要克服。不過研究人員也表示，它為長久以來困擾分子和材料科學的難題提供了一種新的可能性和解決思路。

    此外，求解薛丁格方程式在量子化學領域的應用非常廣泛。從電腦視覺到材料科學，它將會帶來人類無法想像的科學進步。雖然這項革命性創新方法離落地應用還有很長的一段路要走，但它出現並活躍在科學世界已足以令人興奮。

    如 Frank Noé 教授所說：「相信它可以極大地影響量子化學的未來。」

    附圖：▲ Ψ 表示波函數。

    資料來源：https://technews.tw/2021/01/02/schrodinger-equation-ai/?fbclid=IwAR340MNmOkOxUQERLf4u3SK0Um6VQVBpvEkV_DxyxIIcUv8IP88btuXNJ6U

你可能也想看看

搜尋相關網站