-
最近の投稿
- High-Dimensional Independence Testing via Maximum and Average Distance Correlations
- Online Adaptation of Terrain-Aware Dynamics for Planning in Unstructured Environments
- ‘Don’t Do That!’: Guiding Embodied Systems through Large Language Model-based Constraint Generation
- SGN-CIRL: Scene Graph-based Navigation with Curriculum, Imitation, and Reinforcement Learning
- Olfactory Inertial Odometry: Sensor Calibration and Drift Compensation
-
最近のコメント
表示できるコメントはありません。 cs.AI (39257) cs.CL (29715) cs.CV (44646) cs.HC (2989) cs.LG (44172) cs.RO (23444) cs.SY (3577) eess.IV (5131) eess.SY (3569) stat.ML (5744)
「physics.comp-ph」カテゴリーアーカイブ
Extracting thin film structures of energy materials using transformers
要約 中性子反射率測定データ解析には、変圧器アーキテクチャを使用したニューラル … 続きを読む
カテゴリー: cs.AI, physics.comp-ph
Extracting thin film structures of energy materials using transformers はコメントを受け付けていません
Extreme time extrapolation capabilities and thermodynamic consistency of physics-inspired Neural Networks for the 3D microstructure evolution of materials via Cahn-Hilliard flow
要約 畳み込み再帰型ニューラル ネットワーク (CRNN) は、カーン-ヒリアー … 続きを読む
カテゴリー: cond-mat.mes-hall, cond-mat.mtrl-sci, cs.LG, physics.comp-ph
Extreme time extrapolation capabilities and thermodynamic consistency of physics-inspired Neural Networks for the 3D microstructure evolution of materials via Cahn-Hilliard flow はコメントを受け付けていません
Generative Neural Reparameterization for Differentiable PDE-constrained Optimization
要約 偏微分方程式 (PDE) 制約付き最適化は、PDE によって支配されるシス … 続きを読む
カテゴリー: cs.AI, cs.LG, cs.NA, math.NA, physics.comp-ph, physics.plasm-ph
Generative Neural Reparameterization for Differentiable PDE-constrained Optimization はコメントを受け付けていません
Open Materials 2024 (OMat24) Inorganic Materials Dataset and Models
要約 望ましい特性を持つ新しい材料を発見する能力は、気候変動の緩和から次世代コン … 続きを読む
カテゴリー: cond-mat.mtrl-sci, cs.AI, physics.comp-ph
Open Materials 2024 (OMat24) Inorganic Materials Dataset and Models はコメントを受け付けていません
Differentiability in Unrolled Training of Neural Physics Simulators on Transient Dynamics
要約 トレーニング軌跡を時間の経過とともに展開すると、ニューラル ネットワークで … 続きを読む
カテゴリー: cs.LG, physics.comp-ph
Differentiability in Unrolled Training of Neural Physics Simulators on Transient Dynamics はコメントを受け付けていません
Stability-Aware Training of Machine Learning Force Fields with Differentiable Boltzmann Estimators
要約 機械学習力場 (MLFF) は、分子動力学 (MD) シミュレーションの非 … 続きを読む
カテゴリー: cond-mat.dis-nn, cond-mat.mtrl-sci, cs.LG, physics.chem-ph, physics.comp-ph
Stability-Aware Training of Machine Learning Force Fields with Differentiable Boltzmann Estimators はコメントを受け付けていません
AMARO: All Heavy-Atom Transferable Neural Network Potentials of Protein Thermodynamics
要約 全原子分子シミュレーションは高分子現象についての詳細な洞察を提供しますが、 … 続きを読む
カテゴリー: cs.LG, physics.bio-ph, physics.comp-ph, q-bio.BM
AMARO: All Heavy-Atom Transferable Neural Network Potentials of Protein Thermodynamics はコメントを受け付けていません
Force-Guided Bridge Matching for Full-Atom Time-Coarsened Dynamics of Peptides
要約 分子動力学 (MD) は、いくつか例を挙げると、材料科学、化学、薬学などの … 続きを読む
カテゴリー: cs.LG, physics.chem-ph, physics.comp-ph, q-bio.BM
Force-Guided Bridge Matching for Full-Atom Time-Coarsened Dynamics of Peptides はコメントを受け付けていません
Force-Guided Bridge Matching for Full-Atom Time-Coarsened Dynamics of Peptides
要約 分子動力学 (MD) は、いくつか例を挙げると、材料科学、化学、薬学などの … 続きを読む
カテゴリー: cs.LG, physics.chem-ph, physics.comp-ph, q-bio.BM
Force-Guided Bridge Matching for Full-Atom Time-Coarsened Dynamics of Peptides はコメントを受け付けていません
PICL: Physics Informed Contrastive Learning for Partial Differential Equations
要約 ニューラル演算子は、偏微分方程式 (PDE) サロゲート モデルとして最近 … 続きを読む
カテゴリー: cs.LG, cs.NA, math.NA, physics.comp-ph
PICL: Physics Informed Contrastive Learning for Partial Differential Equations はコメントを受け付けていません