High-Entropy Alloys

The Kalman Filter is a mathematical algorithm used for estimating the state of a dynamic system from a series of incomplete and noisy measurements. It operates on the principle of recursive estimation, meaning it continuously updates the state estimate as new measurements become available. The filter assumes that both the process noise and measurement noise are normally distributed, allowing it to use Bayesian methods to combine prior knowledge with new data optimally.

The Kalman Filter consists of two main steps: prediction and update. In the prediction step, the filter uses the current state estimate to predict the future state, along with the associated uncertainty. In the update step, it adjusts the predicted state based on the new measurement, reducing the uncertainty. Mathematically, this can be expressed as:

where $K_k$ is the Kalman gain, $y_k$ is the measurement, and $H_k$ is the measurement matrix. The optimality of the Kalman Filter lies in its ability to minimize the mean squared error of the estimated states.

The KMP (Knuth-Morris-Pratt) algorithm is an efficient string matching algorithm that searches for occurrences of a word within a main text string. It improves upon the naive algorithm by avoiding unnecessary comparisons after a mismatch. The core idea behind KMP is to use information gained from previous character comparisons to skip sections of the text that are guaranteed not to match. This is achieved through a preprocessing step that constructs a longest prefix-suffix (LPS) array, which indicates the longest proper prefix of the substring that is also a suffix. As a result, the KMP algorithm runs in linear time, specifically $O(n + m)$, where $n$ is the length of the text and $m$ is the length of the pattern.

Pseudorandom Number Generators (PRNGs) sind Algorithmen, die deterministische Sequenzen von Zahlen erzeugen, die den Anschein von Zufälligkeit erwecken. Die Entropie in diesem Kontext bezieht sich auf die Unvorhersehbarkeit und die Informationsvielfalt der erzeugten Zahlen. Höhere Entropie bedeutet, dass die erzeugten Zahlen schwerer vorherzusagen sind, was für kryptografische Anwendungen entscheidend ist. Ein PRNG mit niedriger Entropie kann anfällig für Angriffe sein, da Angreifer Muster in den Ausgaben erkennen und ausnutzen können.

Um die Entropie eines PRNG zu messen, kann man verschiedene statistische Tests durchführen, die die Zufälligkeit der Ausgaben bewerten. In der Praxis ist es oft notwendig, echte Zufallsquellen (wie Umgebungsrauschen) zu nutzen, um die Entropie eines PRNG zu erhöhen und sicherzustellen, dass die erzeugten Zahlen tatsächlich für sicherheitsrelevante Anwendungen geeignet sind.

Pell's equation is a famous Diophantine equation of the form

where $D$ is a non-square positive integer, and $x$ and $y$ are integers. The solutions to Pell's equation can be found using methods involving continued fractions or by exploiting properties of quadratic forms. The fundamental solution, often denoted as $(x_1, y_1)$, generates an infinite number of solutions through the formulae:

for $n \geq 1$. These solutions can be expressed in terms of powers of the fundamental solution $(x_1, y_1)$ in the context of the unit in the ring of integers of the quadratic field $\mathbb{Q}(\sqrt{D})$. Thus, Pell's equation not only showcases beautiful mathematical properties but also has applications in number theory, cryptography, and more.

Zermelo’s Theorem, auch bekannt als der Zermelo-Satz, ist ein fundamentales Resultat in der Mengenlehre und der Spieltheorie, das von Ernst Zermelo formuliert wurde. Es besagt, dass in jedem endlichen Spiel mit perfekter Information, in dem zwei Spieler abwechselnd Züge machen, mindestens ein Spieler eine Gewinnstrategie hat. Dies bedeutet, dass es möglich ist, das Spiel so zu spielen, dass der Spieler entweder gewinnt oder zumindest unentschieden spielt, unabhängig von den Zügen des Gegners.

Das Theorem hat wichtige Implikationen für die Analyse von Spielen und Entscheidungsprozessen, da es zeigt, dass eine klare Strategie in vielen Situationen existiert. In mathematischen Notationen kann man sagen, dass, für ein Spiel $G$, es eine Strategie $S$ gibt, sodass der Spieler, der $S$ verwendet, den maximalen Gewinn erreicht. Dieses Ergebnis bildet die Grundlage für viele Konzepte in der modernen Spieltheorie und hat Anwendungen in verschiedenen Bereichen wie Wirtschaft, Informatik und Psychologie.

The Sunk Cost Fallacy refers to the cognitive bias where individuals continue to invest in a project or decision based on the cumulative prior investment (time, money, resources) rather than evaluating the current and future benefits. Essentially, people feel compelled to justify past expenditures, leading them to make irrational choices. For example, if someone has spent $1,000 on a concert ticket but later finds out they cannot attend, they might still go to extreme lengths to attend, believing that their initial investment must not go to waste.

This fallacy can hinder decision-making in both personal and business contexts, as individuals may overlook more rational options that could yield better outcomes. To avoid the Sunk Cost Fallacy, it is essential to focus on the present value of decisions rather than past costs, considering factors such as:

• Current benefits
• Future potential
• Alternative options

In summary, recognizing the Sunk Cost Fallacy can lead to more rational and beneficial decision-making processes.