-
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
PINNfluence: Influence Functions for Physics-Informed Neural Networks
要約 最近、物理科学に基づいたニューラル ネットワーク (PINN) が、物理科 … 続きを読む
カテゴリー: cs.AI, cs.LG, physics.comp-ph, physics.flu-dyn
PINNfluence: Influence Functions for Physics-Informed Neural Networks はコメントを受け付けていません
Rapid Parameter Estimation for Extreme Mass Ratio Inspirals Using Machine Learning
要約 極端質量比吸気 (EMRI) 信号は、その低周波数の性質と非常に複雑な波形 … 続きを読む
カテゴリー: astro-ph.IM, cs.AI, physics.comp-ph
Rapid Parameter Estimation for Extreme Mass Ratio Inspirals Using Machine Learning 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
A Primer on Variational Inference for Physics-Informed Deep Generative Modelling
要約 変分推論 (VI) は、近似ベイズ推論のための計算効率が高く、スケーラブル … 続きを読む
カテゴリー: cs.LG, physics.comp-ph, stat.ML
A Primer on Variational Inference for Physics-Informed Deep Generative Modelling はコメントを受け付けていません
On the design space between molecular mechanics and machine learning force fields
要約 量子力学 (QM) と同じくらい正確で分子力学 (MM) と同じくらい高速 … 続きを読む
カテゴリー: cs.AI, cs.LG, physics.bio-ph, physics.chem-ph, physics.comp-ph
On the design space between molecular mechanics and machine learning force fields はコメントを受け付けていません
Kolmogorov n-Widths for Multitask Physics-Informed Machine Learning (PIML) Methods: Towards Robust Metrics
要約 偏微分方程式 (PDE) を解く手段としての物理情報に基づく機械学習 (P … 続きを読む
カテゴリー: cs.LG, physics.comp-ph
Kolmogorov n-Widths for Multitask Physics-Informed Machine Learning (PIML) Methods: Towards Robust Metrics はコメントを受け付けていません
Accurate Computation of Quantum Excited States with Neural Networks
要約 量子系の最低励起状態を推定するための変分モンテカルロ法について述べる。これ … 続きを読む
カテゴリー: cs.LG, physics.chem-ph, physics.comp-ph, quant-ph
Accurate Computation of Quantum Excited States with Neural Networks 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)シミュレーションは、材料科学、化学、薬理学などの分野にお … 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
Towards Efficient Modelling of String Dynamics: A Comparison of State Space and Koopman based Deep Learning Methods
要約 この論文では、線形および非線形の両方の硬いストリングのダイナミクスをモデル … 続きを読む
カテゴリー: cs.LG, cs.SD, eess.AS, physics.comp-ph
Towards Efficient Modelling of String Dynamics: A Comparison of State Space and Koopman based Deep Learning Methods はコメントを受け付けていません