Очень сильная работа для школьного уровня — особенно понравилась идея Neuro-Physical Synthesis. Это как раз то, чего часто не хватает в applied ML: учет физических ограничений, а не только статистики.
Но есть важный момент: ваша «теорема плотностного барьера» по сути является эвристикой, приближающей наблюдаемый Fulton Gap. В научном контексте это стоит аккуратно формулировать как модельное ограничение, а не теорему, иначе могут быть вопросы у рецензентов.
Тем не менее, как инженерное решение — очень круто. Вы фактически реализовали physics-informed ML.
Очень сильная работа для школьного уровня — особенно понравилась идея Neuro-Physical Synthesis. Это как раз то, чего часто не хватает в applied ML: учет физических ограничений, а не только статистики.
Но есть важный момент:
ваша «теорема плотностного барьера» по сути является эвристикой, приближающей наблюдаемый Fulton Gap. В научном контексте это стоит аккуратно формулировать как модельное ограничение, а не теорему, иначе могут быть вопросы у рецензентов.
Тем не менее, как инженерное решение — очень круто. Вы фактически реализовали physics-informed ML.