Suavizando áreas oscuras en difusión latente molecular
Descubre cómo TopVAE elimina áreas oscuras en difusión latente molecular. Mejora generación 3D con 77% menos FCD-3D en QM9. ¡Lee más!
#difusión
Suavizando áreas oscuras en difusión latente molecular
Descubre cómo TopVAE reduce las áreas oscuras en la difusión latente molecular, mejorando la generación de moléculas 3D válidas y estables.
Optimización Latente Desacoplada para Inversión de Onda Completa con Difusión
DLO optimiza inversión de onda con difusión: supera a regularizadores clásicos en OpenFWI, Marmousi y Overthrust, robusto a ruido y datos faltantes.
Optimización Latente Desacoplada para Inversión de Forma de Onda Completa
El nuevo método DLO optimiza la inversión de forma de onda completa, superando técnicas clásicas y de difusión en datos sísmicos con ruido y trazas faltantes.
Acelerando Transformers de Difusión con INT8 nativo en GPUs de consumo
Descubre cómo un kernel INT8 fusionado en Triton acelera hasta 4.2x los Transformers de Difusión en GPUs Ampere, superando a FP8 y NF4 sin pérdida de calidad.
Ni Paralelo Ni Secuencial: Cómo DiffusionGemma Compromete Tokens
Descubre cómo DiffusionGemma realmente compromete tokens: ni paralelo ni secuencial, sino un orden sorprendente. Análisis detallado.
Residuos de difusión en grafos para variables instrumentales de control
Descubra cómo los residuos de difusión en grafos mejoran la estimación de variables instrumentales, superando a métodos tradicionales en 32 de 54 pruebas sintéticas.
Modelos de Difusión Recursivos: Colapso y Caracterización Espectral
El entrenamiento recursivo en modelos de difusión converge a una distribución límite. Nuevo estudio revela el colapso y su filtro paso bajo. ¡Descúbrelo!
Modelos de difusión recursivos: colapso límite y espectro
Descubre cómo el entrenamiento recursivo de modelos de difusión converge a una distribución límite y provoca colapso. Análisis espectral.
XRDiff: Predicción de estructuras con difracción de rayos X y difusión
XRDiff predice estructuras cristalinas desde difracción de rayos X con modelos de difusión, superando la brecha simulación-experimento. IA para materiales.
Denoising Score Matching: Características Aleatorias y Difusión
Descubre cómo el número de muestras de ruido y la complejidad del modelo influyen en la generalización y memorización de modelos de difusión. Análisis teórico preciso.
Emulación climática con difusión: ¿qué aporta el ML generativo?
Los modelos de difusión generativa ofrecen emulación de precipitaciones extremas en RCM. ¿Cuál es su valor añadido? Comparativa detallada.
La cobertura local rige la memorización en modelos de difusión
Descubre cómo la cobertura local de datos predice la memorización en modelos de difusión, explicando cuándo generan muestras novedosas o replican.
DiffusionBlocks: Entrenamiento por Bloques de Redes Neuronales
Descubre cómo DiffusionBlocks reduce la memoria al entrenar transformers por bloques, logrando rendimiento similar al entrenamiento extremo a extremo.
RAMAC: Aprendizaje por Refuerzo Offline Multimodal Consciente del Riesgo
Descubre RAMAC, método de aprendizaje por refuerzo offline con CVaR y clonación conductual para minimizar riesgos catastróficos en entornos multimodales.
Modelos de Lenguaje de Difusión con Contexto Residual
Descubre cómo el Contexto Residual recicla tokens descartados para mejorar la precisión de los modelos de difusión hasta un 11%.
Difusión video autoregresiva rápida con compresión de caché y atención dispersa
Acelera hasta 10x la difusión de video autoregresiva con compresión de caché y atención dispersa, manteniendo calidad visual y memoria constante.
Difusión Discreta Generalizada con Autocorrección
SCDD: modelo de difusión discreta con autocorrección preentrenada. Mejora la decodificación paralela sin perder calidad en generación de texto.
DiPOD: Políticas de Difusión sin Deriva
DiPOD revoluciona la optimización de políticas de difusión: estabiliza el entrenamiento, evita la deriva doble y alcanza mayores recompensas. ¡Conócelo!
Transiciones de fase temáticas en IA: evidencia a gran escala
Descubre cómo los temas de IA avanzan mediante transiciones de fase y aprende a identificar señales de alerta temprana para los próximos grandes temas.