「physics.comp-ph」カテゴリーアーカイブ

Robustly optimal dynamics for active matter reservoir computing

投稿日: 2025年5月9日 作成者: jarxiv

要約 貯水池コンピューティング（RC）パラダイムにおけるアクティブ物質の情報処理 … 続きを読む →

カテゴリー: cond-mat.soft, cs.LG, nlin.AO, physics.comp-ph | コメントする

PINN-MEP: Continuous Neural Representations for Minimum-Energy Path Discovery in Molecular Systems

投稿日: 2025年5月9日 作成者: jarxiv

要約 物理システムにおける立体構造遷移を特徴付けることは、計算科学の根本的な課題 … 続きを読む →

カテゴリー: cs.AI, physics.chem-ph, physics.comp-ph | コメントする

Is the end of Insight in Sight ?

投稿日: 2025年5月8日 作成者: jarxiv

要約 物理学に基づいたニューラルネットワーク（PINN）ベースの深い学習アプリケ … 続きを読む →

カテゴリー: cs.LG, physics.comp-ph, physics.data-an | コメントする

Mitigating mode collapse in normalizing flows by annealing with an adaptive schedule: Application to parameter estimation

投稿日: 2025年5月7日 作成者: jarxiv

要約 正規化フロー（NFS）は、複雑な分布から相関していないサンプルを提供し、パ … 続きを読む →

カテゴリー: cs.LG, physics.comp-ph, physics.data-an, q-bio.QM, stat.ML | コメントする

PINN-MEP: Continuous Neural Representations for Minimum-Energy Path Discovery in Molecular Systems

投稿日: 2025年5月7日 作成者: jarxiv

要約 物理システムにおける立体構造遷移を特徴付けることは、計算科学の根本的な課題 … 続きを読む →

カテゴリー: cs.AI, physics.chem-ph, physics.comp-ph | コメントする

Aerodynamic and structural airfoil shape optimisation via Transfer Learning-enhanced Deep Reinforcement Learning

投稿日: 2025年5月6日 作成者: jarxiv

要約 このペーパーの主な目的は、併用空力および構造基準に基づいてエアフォイルのジ … 続きを読む →

カテゴリー: cs.LG, physics.comp-ph | コメントする

Physics-Informed Weakly Supervised Learning for Interatomic Potentials

投稿日: 2025年5月6日 作成者: jarxiv

要約 機械学習は、計算化学および材料科学においてますます重要な役割を果たし、計算 … 続きを読む →

カテゴリー: cs.LG, physics.bio-ph, physics.chem-ph, physics.comp-ph | コメントする

SA-GAT-SR: Self-Adaptable Graph Attention Networks with Symbolic Regression for high-fidelity material property prediction

投稿日: 2025年5月5日 作成者: jarxiv

要約 機械学習における最近の進歩は、ディープラーニングアプローチ、特にグラフニュ … 続きを読む →

カテゴリー: cond-mat.mtrl-sci, cs.LG, physics.comp-ph | コメントする

AI-Enhanced Automatic Design of Efficient Underwater Gliders

投稿日: 2025年5月2日 作成者: jarxiv

要約 主に手動の試行錯誤に大きく依存している従来の設計ツールに依存しているため、 … 続きを読む →

カテゴリー: cs.AI, cs.GR, cs.LG, cs.RO, physics.comp-ph | コメントする

SA-GAT-SR: Self-Adaptable Graph Attention Networks with Symbolic Regression for high-fidelity material property prediction

投稿日: 2025年5月2日 作成者: jarxiv

要約 機械学習の最近の進歩により、深い学習アプローチ、特に材料科学のグラフニュー … 続きを読む →

カテゴリー: cond-mat.mtrl-sci, cs.LG, physics.comp-ph | コメントする