论文 / 综述

必读基准论文与技术综述

20 条资源

多输入变量计算机实验中的保序代理建模

通用科学ML
面向粒子碰撞、火箭推进等物理系统的计算机实验,提出利用单调性信息的贝叶斯代理建模方法,以提升有限样本下的仿真替身建模效率。
见LICENSE文件 贝叶斯代理模型保序回归单调性约束

基于核函数的可解释神经算子:KernelOnet

通用科学ML
面向物理场建模,将核函数显式嵌入神经算子架构,使算子结构与核展开形式相匹配并提升可解释性。
见LICENSE文件 神经算子核函数可解释机器学习

潜在孪生算子

通用科学ML/ScientificML
面向时变偏微分方程的潜在空间代理模型,支持任意传感器布置与多分辨率查询。
见LICENSE文件 潜在空间代理模型时变偏微分方程条件神经过程

神经调和测度算子

通用科学ML
面向可变形状域椭圆PDE的神经求解器,以Transformer边界核学习调和测度并由WoS出口样本监督。
见LICENSE文件 椭圆偏微分方程调和测度Transformer边界核

用于深度平均雪崩动力学的物理信息神经网络

地球物理/Geophysics
面向山区雪崩风险评估,构建耦合Savage-Hutter深度平均颗粒流模型的PINN,并完成一维解析与二维实验验证。
见LICENSE文件 物理信息神经网络雪崩动力学深度平均颗粒流

POIL:基于点的稳定动力系统单次模仿学习

多体/Multibody
面向机器人操作,利用共享表示迁移单次示范轨迹,并提升抓取配置变化与外部扰动下的执行稳定性
见LICENSE文件 机器人操作单次模仿学习稳定动力系统

预条件物理信息神经算子训练

通用科学ML/ScientificML
面向通用物理场神经算子,研究基于控制方程的预条件训练,以缓解损失病态问题。
见LICENSE文件 物理信息神经算子预条件训练科学机器学习

稀疏连接秩启发神经网络

通用科学ML/ScientificML
面向通用偏微分方程数值求解的稀疏秩启发网络,以正交归一损失促进神经基与矩阵秩渐进增长。
见LICENSE文件 科学机器学习偏微分方程求解稀疏连接神经网络

U(1)规范等变的布洛赫态表示学习

材料/Materials
面向凝聚态布洛赫态提出U(1)规范等变表示学习框架,显式处理每个电子态的规范冗余。
见LICENSE文件 布洛赫态表示规范等变学习凝聚态电子结构
121–140 / 364
1 …5 6 7 8 9 …19
跳至 页