用大数据方法分析琼斯多项式的结构特性及其增强方式差异。

Big data comparison of quantum invariants

• 结合探索性与拓扑数据分析琼斯多项式
• 对比四种增强方法在结构上的表现差异
• 适合对量子不变量与数据科学交叉研究者

我们应用大数据技术，包括探索性与拓扑数据分析，研究量子不变量。具体而言，本工作探究琼斯多项式的结构性质，并对比其在四种主要增强方法下的行为差异：着色、秩提升、范畴化，以及脱离李代数范畴。通过大规模数据驱动的方法，揭示了不同增强策略对多项式结构的影响，为理解量子不变量的内在规律提供了新视角。

原文摘要 · Abstract (English)

We apply big data techniques, including exploratory and topological data analysis, to investigate quantum invariants. More precisely, our study explores the Jones polynomial's structural properties and contrasts its behavior under four principal methods of enhancement: coloring, rank increase, categorification, and leaving the realm of Lie algebras.

Thank you to arXiv for use of its open access interoperability. PaperDance 不是 arXiv 官方产品；中文卡片由大模型生成，请以原文为准。