-
最近の投稿
- Enhancing Trust in Autonomous Agents: An Architecture for Accountability and Explainability through Blockchain and Large Language Models
- $\mathcal{L}_1$Quad: $\mathcal{L}_1$ Adaptive Augmentation of Geometric Control for Agile Quadrotors with Performance Guarantees
- Scalable and low-cost remote lab platforms: Teaching industrial robotics using open-source tools and understanding its social implications
- Tabletop Object Rearrangement: Structure, Complexity, and Efficient Combinatorial Search-Based Solutions
- AdaCred: Adaptive Causal Decision Transformers with Feature Crediting
-
最近のコメント
表示できるコメントはありません。 cs.AI (31312) cs.CL (23684) cs.CR (2432) cs.CV (37678) cs.LG (36192) cs.RO (18300) cs.SY (2805) eess.IV (4529) eess.SY (2799) stat.ML (4795)
「physics.comp-ph」カテゴリーアーカイブ
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
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