-
最近の投稿
- A Systematic Approach to Design Real-World Human-in-the-Loop Deep Reinforcement Learning: Salient Features, Challenges and Trade-offs
- Robo-Troj: Attacking LLM-based Task Planners
- SE(3)-Equivariant Robot Learning and Control: A Tutorial Survey
- Geometric Formulation of Unified Force-Impedance Control on SE(3) for Robotic Manipulators
- Subframework-based Bearing Rigidity Maintenance Control in Multirobot Networks
-
最近のコメント
表示できるコメントはありません。 cs.AI (37106) cs.CL (28087) cs.CV (42847) cs.HC (2837) cs.LG (42044) cs.RO (21987) cs.SY (3355) eess.IV (4990) eess.SY (3347) stat.ML (5498)
「physics.comp-ph」カテゴリーアーカイブ
Cross-sectional Topology Optimization of Slender Soft Pneumatic Actuators using Genetic Algorithms and Geometrically Exact Beam Models
要約 ソフト ロボットの設計は依然として手動の試行錯誤的なアプローチによって進め … 続きを読む
カテゴリー: cs.RO, physics.comp-ph
Cross-sectional Topology Optimization of Slender Soft Pneumatic Actuators using Genetic Algorithms and Geometrically Exact Beam Models はコメントを受け付けていません
Latent Ewald summation for machine learning of long-range interactions
要約 機械学習の原子間ポテンシャル (MLIP) では、静電力や分散力などの長距 … 続きを読む
カテゴリー: cond-mat.mtrl-sci, cs.LG, physics.chem-ph, physics.comp-ph
Latent Ewald summation for machine learning of long-range interactions はコメントを受け付けていません
Some Best Practices in Operator Learning
要約 ハイパーパラメータ検索は計算コストが高くなります。 このペーパーでは、ハイ … 続きを読む
カテゴリー: cs.LG, physics.comp-ph
Some Best Practices in Operator Learning はコメントを受け付けていません
InvDesFlow: An AI search engine to explore possible high-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
InvDesFlow: An AI search engine to explore possible high-temperature superconductors はコメントを受け付けていません
Unveiling the optimization process of Physics Informed Neural Networks: How accurate and competitive can PINNs be?
要約 この研究では、物理学に基づいたニューラル ネットワークの潜在的な精度の限界 … 続きを読む
カテゴリー: cs.AI, cs.LG, physics.comp-ph
Unveiling the optimization process of Physics Informed Neural Networks: How accurate and competitive can PINNs be? はコメントを受け付けていません
What You See is Not What You Get: Neural Partial Differential Equations and The Illusion of Learning
要約 科学機械学習のための微分可能プログラミング (SciML) は、第一原理物 … 続きを読む
カテゴリー: cs.LG, physics.comp-ph
What You See is Not What You Get: Neural Partial Differential Equations and The Illusion of Learning はコメントを受け付けていません
CODES: Benchmarking Coupled ODE Surrogates
要約 結合された ODE システムのサロゲート アーキテクチャを包括的に評価する … 続きを読む
カテゴリー: astro-ph.IM, cs.LG, physics.comp-ph
CODES: Benchmarking Coupled ODE Surrogates はコメントを受け付けていません
Scientific Machine Learning Based Reduced-Order Models for Plasma Turbulence Simulations
要約 この論文では、プラズマ乱流シミュレーションのための非侵入型科学機械学習 ( … 続きを読む
カテゴリー: cs.CE, cs.LG, physics.comp-ph, physics.plasm-ph
Scientific Machine Learning Based Reduced-Order Models for Plasma Turbulence Simulations はコメントを受け付けていません
KAN/MultKAN with Physics-Informed Spline fitting (KAN-PISF) for ordinary/partial differential equation discovery of nonlinear dynamic systems
要約 科学的発見のための機械学習は、データから非線形特性を抽出して認識できるため … 続きを読む
カテゴリー: cs.LG, physics.comp-ph
KAN/MultKAN with Physics-Informed Spline fitting (KAN-PISF) for ordinary/partial differential equation discovery of nonlinear dynamic systems はコメントを受け付けていません
From Spectra to Geography: Intelligent Mapping of RRUFF Mineral Data
要約 鉱物サンプルの地理的起源を正確に特定することは、地質学、鉱物学、材料科学へ … 続きを読む
カテゴリー: cs.CV, eess.IV, physics.comp-ph
From Spectra to Geography: Intelligent Mapping of RRUFF Mineral Data はコメントを受け付けていません