-
最近の投稿
- SOUS VIDE: Cooking Visual Drone Navigation Policies in a Gaussian Splatting Vacuum
- Clarke Transform and Encoder-Decoder Architecture for Arbitrary Joints Locations in Displacement-Actuated Continuum Robots
- Using Clarke Transform to Create a Framework on the Manifold: From Sampling via Trajectory Generation to Control
- Safe Dynamic Motion Generation in Configuration Space Using Differentiable Distance Fields
- BODex: Scalable and Efficient Robotic Dexterous Grasp Synthesis Using Bilevel Optimization
-
最近のコメント
表示できるコメントはありません。 cs.AI (31383) cs.CL (23735) cs.CR (2434) cs.CV (37739) cs.LG (36254) cs.RO (18349) cs.SY (2813) eess.IV (4535) eess.SY (2807) stat.ML (4810)
「physics.comp-ph」カテゴリーアーカイブ
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
SympGNNs: Symplectic Graph Neural Networks for identifiying high-dimensional Hamiltonian systems and node classification
要約 SympNet などのハミルトニアン システムを学習するための既存のニュー … 続きを読む
カテゴリー: cs.LG, physics.comp-ph
SympGNNs: Symplectic Graph Neural Networks for identifiying high-dimensional Hamiltonian systems and node classification はコメントを受け付けていません
chemtrain: Learning Deep Potential Models via Automatic Differentiation and Statistical Physics
要約 ニューラル ネットワーク (NN) は、分子動力学の精度を向上させるための … 続きを読む
カテゴリー: cs.LG, physics.chem-ph, physics.comp-ph
chemtrain: Learning Deep Potential Models via Automatic Differentiation and Statistical Physics 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、ほんの数例を挙げると、材料科学、 … 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