Skip to main content
CenXiv.org
此网站处于试运行阶段,支持我们!
我们衷心感谢所有贡献者的支持。
贡献
赞助
cenxiv logo > cond-mat > arXiv:2501.10975

帮助 | 高级搜索

凝聚态物理 > 统计力学

arXiv:2501.10975 (cond-mat)
[提交于 2025年1月19日 ]

标题: 一维随机多孔介质方程

标题: The stochastic porous medium equation in one dimension

Authors:Maximilien Bernard, Andrei A. Fedorenko, Pierre Le Doussal, Alberto Rosso
摘要: 我们研究在存在加性非守恒白噪声的一维空间中的多孔介质方程(PME),并将其解释为界面高度场的随机生长方程。 我们利用功能RG预测了两个生长指数$\alpha$和$\beta$的值。 大量的数值模拟显示这些指数的预测值一致,然而它们也显示了具有额外的“局部”指数$\alpha_{\rm loc}$的异常标度,以及来自局部高度差的广泛分布的多标度。 随机PME的稳态测量被发现可以用一个与贝塞尔过程相关的随机游走模型很好地描述。 该模型允许对多标度性质做出若干预测。
摘要: We study the porous medium equation (PME) in one space dimension in presence of additive non-conservative white noise, and interpreted as a stochastic growth equation for the height field of an interface. We predict the values of the two growth exponents $\alpha$ and $\beta$ using the functional RG. Extensive numerical simulations show agreement with the predicted values for these exponents, however they also show anomalous scaling with an additional "local" exponent $\alpha_{\rm loc}$, as well as multiscaling originating from broad distributions of local height differences. The stationary measure of the stochastic PME is found to be well described by a random walk model, related to a Bessel process. This model allows for several predictions about the multiscaling properties.
主题: 统计力学 (cond-mat.stat-mech) ; 无序系统与神经网络 (cond-mat.dis-nn); 数学物理 (math-ph); 概率 (math.PR)
引用方式: arXiv:2501.10975 [cond-mat.stat-mech]
  (或者 arXiv:2501.10975v1 [cond-mat.stat-mech] 对于此版本)
  https://doi.org/10.48550/arXiv.2501.10975
通过 DataCite 发表的 arXiv DOI

提交历史

来自: Maximilien Bernard [查看电子邮件]
[v1] 星期日, 2025 年 1 月 19 日 07:51:57 UTC (3,833 KB)
全文链接:

获取论文:

    查看标题为《》的 PDF
  • 查看中文 PDF
  • 查看 PDF
  • HTML(实验性)
  • TeX 源代码
  • 其他格式
查看许可
当前浏览上下文:
cond-mat.dis-nn
< 上一篇   |   下一篇 >
新的 | 最近的 | 2025-01
切换浏览方式为:
cond-mat
cond-mat.stat-mech
math
math-ph
math.MP
math.PR

参考文献与引用

  • NASA ADS
  • 谷歌学术搜索
  • 语义学者
a 导出 BibTeX 引用 加载中...

BibTeX 格式的引用

×
数据由提供:

收藏

BibSonomy logo Reddit logo

文献和引用工具

文献资源探索 (什么是资源探索?)
连接的论文 (什么是连接的论文?)
Litmaps (什么是 Litmaps?)
scite 智能引用 (什么是智能引用?)

与本文相关的代码,数据和媒体

alphaXiv (什么是 alphaXiv?)
CatalyzeX 代码查找器 (什么是 CatalyzeX?)
DagsHub (什么是 DagsHub?)
Gotit.pub (什么是 GotitPub?)
Hugging Face (什么是 Huggingface?)
带有代码的论文 (什么是带有代码的论文?)
ScienceCast (什么是 ScienceCast?)

演示

复制 (什么是复制?)
Hugging Face Spaces (什么是 Spaces?)
TXYZ.AI (什么是 TXYZ.AI?)

推荐器和搜索工具

影响之花 (什么是影响之花?)
核心推荐器 (什么是核心?)
IArxiv 推荐器 (什么是 IArxiv?)
  • 作者
  • 地点
  • 机构
  • 主题

arXivLabs:与社区合作伙伴的实验项目

arXivLabs 是一个框架,允许合作伙伴直接在我们的网站上开发和分享新的 arXiv 特性。

与 arXivLabs 合作的个人和组织都接受了我们的价值观,即开放、社区、卓越和用户数据隐私。arXiv 承诺这些价值观,并且只与遵守这些价值观的合作伙伴合作。

有一个为 arXiv 社区增加价值的项目想法吗? 了解更多关于 arXivLabs 的信息.

这篇论文的哪些作者是支持者? | 禁用 MathJax (什么是 MathJax?)
  • 关于
  • 帮助
  • contact arXivClick here to contact arXiv 联系
  • 订阅 arXiv 邮件列表点击这里订阅 订阅
  • 版权
  • 隐私政策
  • 网络无障碍帮助
  • arXiv 运营状态
    通过...获取状态通知 email 或者 slack

京ICP备2025123034号