DiffUNet²: predicción bidireccional y generación probabilística para datos científicos
Descubre DiffUNet², un modelo de difusión bidireccional que genera múltiples escenarios científicos y permite exploración visual interactiva de hipótesis.
#científico
Descubrimiento progresivo de leyes físicas basado en datos
CoSR descubre progresivamente leyes físicas desde datos, imitando el método científico. Aplicaciones en turbulencia, flujos y aerodinámica.
Descubrimiento de señales con ML sin modelo: uniendo teoría y práctica
Descubre cómo las técnicas de Machine Learning permiten buscar señales sin depender de modelos teóricos, aumentando el potencial de descubrimiento.
FeynmanBench: El reto de los LLMs multimodales con diagramas de Feynman
FeynmanBench: 2000+ diagramas evalúan 19 LLMs. 70-95% en reconocimiento local, pero 13-17% en topología. Descubre las limitaciones.
LeARN: Aprendizaje y Adaptación para Identificación de Sistemas No Lineales
El marco LeARN aprende funciones base mediante meta-aprendizaje, adaptándose a dinámicas no lineales y superando las limitaciones de SINDy.
Secuencias Neuronales de Baja Discrepancia
Descubre cómo NeuroLDS utiliza aprendizaje profundo para generar secuencias de baja discrepancia, superando métodos clásicos en integración numérica y robótica.
Aprendizaje de modelos híbridos consciente de nitidez para estimar parámetros
Aprendizaje híbrido con minimización de nitidez (SAM) para estimar parámetros científicos de forma robusta y precisa, basado en Occam. ¡Descubre cómo!
Descubrimiento científico evolucionable mediante minimización de incertidumbre
PiEvo revoluciona el descubrimiento científico al hacer evolucionar principios con IA. Logra un 31% más de calidad y un 83% de aceleración en la convergencia. Descúbrelo.
Hacia un modelado científico programático físicamente consistente y ejecutable
Descubre AutoBM: el marco de IA que genera modelos de simulación estructural consistentes y ejecutables.
scicode-lint: Detección de errores metodológicos en código Python científico
scicode-lint detecta errores metodológicos en código Python científico con patrones generados por IA. Logra hasta 97.7% de precisión en 66 patrones. Ideal para científicos de datos.
La evolución del concepto de probabilidad como espejo de la razón
Desde Pascal hasta la IA: exploramos la evolución de la probabilidad como espejo de la razón y su relación con la lógica difusa y el deep learning.
Science Earth: SO planetario para ciencia nativa de IA
Descubre Science Earth, un sistema operativo planetario que conecta capacidades de IA para el descubrimiento científico distribuido y autorregulado, validado en
Sistemas de descubrimiento auto-revisables: marco categórico para IA agente
Descubre cómo los sistemas de IA auto-revisables utilizan la teoría de categorías para revolucionar el descubrimiento científico en materiales y proteínas.
ML científico para predicción de vida útil restante en motores
Descubre cómo el ML científico predice la vida útil de motores y su temperatura con incertidumbre cuantificada para un mantenimiento inteligente y seguro.
SPM-Bench: Benchmark para LLMs en microscopía de sonda
SPM-Bench: Benchmark automatizado que evalúa LLMs en microscopía de sonda. Descubre su pipeline AGS y la métrica SIP-F1 que revela la personalidad de la IA.
FEM-Bench: benchmark científico para LLMs de código
Descubre FEM-Bench, el benchmark que evalúa la capacidad de los LLMs para generar código de elementos finitos. Gemini 3 Pro y GPT-5 destacan en los tests.