-
最近の投稿
- FEAST: A Flexible Mealtime-Assistance System Towards In-the-Wild Personalization
- Time-Optimized Safe Navigation in Unstructured Environments through Learning Based Depth Completion
- Advances in Compliance Detection: Novel Models Using Vision-Based Tactile Sensors
- Mass-Adaptive Admittance Control for Robotic Manipulators
- DreamGen: Unlocking Generalization in Robot Learning through Video World Models
-
最近のコメント
表示できるコメントはありません。 cs.AI (39879) cs.CL (30187) cs.CV (45175) cs.HC (3051) cs.LG (44808) cs.RO (23879) cs.SY (3632) eess.IV (5170) eess.SY (3624) stat.ML (5830)
「physics.comp-ph」カテゴリーアーカイブ
PODNO: Proper Orthogonal Decomposition Neural Operators
要約 この論文では、高周波成分が支配する部分微分方程式（PDE）を解くために、適 … 続きを読む
Plane-Wave Decomposition and Randomised Training; a Novel Path to Generalised PINNs for SHM
要約 この論文では、フーリエ分解の形式の学習に基づいて、物理学に基づいた神経ネッ … 続きを読む
カテゴリー: cs.LG, physics.comp-ph
Plane-Wave Decomposition and Randomised Training; a Novel Path to Generalised PINNs for SHM はコメントを受け付けていません
High-performance training and inference for deep equivariant interatomic potentials
要約 機械学習間能力間、特に深い等量のニューラルネットワークに基づく可能性は、分 … 続きを読む
カテゴリー: cs.LG, physics.chem-ph, physics.comp-ph
High-performance training and inference for deep equivariant interatomic potentials はコメントを受け付けていません
Symbolic Regression for Beyond the Standard Model Physics
要約 標準モデルの物理学を超えて研究するための強力なツールとして、象徴的な回帰を … 続きを読む
カテゴリー: cs.AI, cs.LG, hep-ph, hep-th, physics.comp-ph
Symbolic Regression for Beyond the Standard Model Physics はコメントを受け付けていません
Equi-Euler GraphNet: An Equivariant, Temporal-Dynamics Informed Graph Neural Network for Dual Force and Trajectory Prediction in Multi-Body Systems
要約 マルチボディダイナミカルシステムの正確なリアルタイムモデリングは、業界全体 … 続きを読む
カテゴリー: cs.CE, cs.LG, physics.comp-ph
Equi-Euler GraphNet: An Equivariant, Temporal-Dynamics Informed Graph Neural Network for Dual Force and Trajectory Prediction in Multi-Body Systems はコメントを受け付けていません
MLPs and KANs for data-driven learning in physical problems: A performance comparison
要約 機械学習の問題としてそれらをキャストすることにより、部分微分方程式（PDE … 続きを読む
カテゴリー: cs.LG, physics.comp-ph
MLPs and KANs for data-driven learning in physical problems: A performance comparison 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、近似ベイジアン推論のための計算効率的でスケーラブルな方 … 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
Predicting Crack Nucleation and Propagation in Brittle Materials Using Deep Operator Networks with Diverse Trunk Architectures
要約 位相フィールドモデリングは、エネルギーの最小化問題として骨折の問題を再定式 … 続きを読む
カテゴリー: cs.AI, physics.comp-ph
Predicting Crack Nucleation and Propagation in Brittle Materials Using Deep Operator Networks with Diverse Trunk Architectures はコメントを受け付けていません
Machine learning interatomic potential can infer electrical response
要約 材料と化学システムの電界に対する反応をモデル化することは、長年の課題のまま … 続きを読む
カテゴリー: cond-mat.mtrl-sci, cs.LG, physics.chem-ph, physics.comp-ph
Machine learning interatomic potential can infer electrical response はコメントを受け付けていません
PINNverse: Accurate parameter estimation in differential equations from noisy data with constrained physics-informed neural networks
要約 測定データからの微分方程式のパラメーター推定は、定量科学全体で一般的な逆問 … 続きを読む
カテゴリー: cs.AI, cs.LG, physics.comp-ph
PINNverse: Accurate parameter estimation in differential equations from noisy data with constrained physics-informed neural networks はコメントを受け付けていません