-
最近の投稿
- Computing High-dimensional Confidence Sets for Arbitrary Distributions
- Reservoir Computing: A New Paradigm for Neural Networks
- A Dynamic, Ordinal Gaussian Process Item Response Theoretic Model
- Solving the Paint Shop Problem with Flexible Management of Multi-Lane Buffers Using Reinforcement Learning and Action Masking
- MiLo: Efficient Quantized MoE Inference with Mixture of Low-Rank Compensators
-
最近のコメント
表示できるコメントはありません。 cs.AI (36107) cs.CL (27319) cs.CR (2749) cs.CV (41949) cs.LG (41080) cs.RO (21304) cs.SY (3219) eess.IV (4921) eess.SY (3213) stat.ML (5380)
「cond-mat.mtrl-sci」カテゴリーアーカイブ
Measurements with Noise: Bayesian Optimization for Co-optimizing Noise and Property Discovery in Automated Experiments
要約 我々は、自動化された実験サイクルにステップ内ノイズ最適化を統合するベイズ最 … 続きを読む
カテゴリー: cond-mat.mtrl-sci, cs.AI, cs.LG
Measurements with Noise: Bayesian Optimization for Co-optimizing Noise and Property Discovery in Automated Experiments はコメントを受け付けていません
Are LLMs Ready for Real-World Materials Discovery?
要約 大規模言語モデル (LLM) は、材料科学の研究を加速する強力な言語処理ツ … 続きを読む
カテゴリー: cond-mat.mtrl-sci, cs.AI, cs.CL, cs.LG
Are LLMs Ready for Real-World Materials Discovery? はコメントを受け付けていません
Model-free quantification of completeness, uncertainties, and outliers in atomistic machine learning using information theory
要約 情報の正確な記述は、トレーニング セットの作成、不確実性定量化 (UQ) … 続きを読む
カテゴリー: cond-mat.mtrl-sci, cs.LG, physics.chem-ph
Model-free quantification of completeness, uncertainties, and outliers in atomistic machine learning using information theory はコメントを受け付けていません
Sampling Latent Material-Property Information From LLM-Derived Embedding Representations
要約 大規模言語モデル (LLM) から派生したベクトル埋め込みは、文献から潜在 … 続きを読む
カテゴリー: cond-mat.mtrl-sci, cs.CL
Sampling Latent Material-Property Information From LLM-Derived Embedding Representations はコメントを受け付けていません
Neuromorphic Spintronics
要約 ニューロモーフィック スピントロニクスは、ニューロモーフィック コンピュー … 続きを読む
カテゴリー: cond-mat.mes-hall, cond-mat.mtrl-sci, cond-mat.other, cs.AI
Neuromorphic Spintronics はコメントを受け付けていません
How to do impactful research in artificial intelligence for chemistry and materials science
要約 機械学習は科学の多くの分野に広く浸透しています。 化学と材料科学も例外では … 続きを読む
カテゴリー: cond-mat.mtrl-sci, cs.AI, cs.LG, physics.chem-ph
How to do impactful research in artificial intelligence for chemistry and materials science はコメントを受け付けていません
Predicting and Accelerating Nanomaterials Synthesis Using Machine Learning Featurization
要約 材料の合成と加工の複雑な条件を解決するには、複数の特性評価モードから収集し … 続きを読む
カテゴリー: cond-mat.mtrl-sci, cs.LG
Predicting and Accelerating Nanomaterials Synthesis Using Machine Learning Featurization はコメントを受け付けていません
AI-accelerated discovery of high critical temperature superconductors
要約 新しい超伝導材料、特に高い臨界温度($T_c$)を示す材料の発見は、物性物 … 続きを読む
カテゴリー: cond-mat.mtrl-sci, cond-mat.supr-con, cs.AI, physics.comp-ph
AI-accelerated discovery of high critical temperature superconductors はコメントを受け付けていません
Learning local and semi-local density functionals from exact exchange-correlation potentials and energies
要約 正確な交換相関 (XC) 汎関数を見つけることは、依然として密度汎関数理論 … 続きを読む
カテゴリー: cond-mat.mtrl-sci, cs.LG, physics.chem-ph, physics.comp-ph
Learning local and semi-local density functionals from exact exchange-correlation potentials and energies はコメントを受け付けていません
SciAgents: Automating scientific discovery through multi-agent intelligent graph reasoning
要約 人工知能における重要な課題は、新しい領域を探索し、複雑なパターンを特定し、 … 続きを読む
カテゴリー: cond-mat.dis-nn, cond-mat.mtrl-sci, cs.AI, cs.CL, cs.LG
SciAgents: Automating scientific discovery through multi-agent intelligent graph reasoning はコメントを受け付けていません