Denoisers suavemente restringidos para modelos de difusión en EDP
Descubre cómo los denoisers suavemente restringidos mejoran el cumplimiento de EDPs sin rigidizar el modelo. Ideal para física computacional con IA.
#física
Mecanismo de Atención Hamiltoniano para Huellas de RF
El mecanismo de atención Hamiltoniano identifica transmisores RF con 99.12% de precisión y escala a 150 dispositivos, superando a CNN y Transformers.
IA Física: Inferencia Batch-1 de LLMs - Memoria vs Ancho de Banda
Descubre el gap de inferencia en IA física: memoria limitada pero no ancho de banda. CUDA Graphs muestra un overhead oculto en GPUs rápidas como H100.
Interfaz simbólica para razonamiento geométrico con LLM
Los intermediarios simbólicos permiten a los LLM interpretar simulaciones numéricas, mejorando el razonamiento geométrico en diseño y planificación. Resultados hasta un 63% mejores en benchmarks.
Aprendizaje de dinámicas macroscópicas invariantes a permutaciones
Descubre cómo modelar sistemas de partículas sin orden fijo con autoencoders invariantes a permutaciones. Aprende dinámicas macroscópicas para fluidos y polímeros.
Reducción de Malla Informada por Física para Redes Neuronales Grafo Multigrid
Coarsening informado por física mejora precisión y estabilidad en redes neuronales grafo multigrid para sólidos deformables. ¡Optimiza!
Redes Neuronales de Fourier Multi-Escala para EDP de Alta Frecuencia
Descubre cómo las Redes Neuronales de Fourier Multi-Escala resuelven EDP de alta frecuencia con precisión sin precedentes, superando a PINN y SV-SNN.
Modelos de difusión riemannianos en variedades generales mediante PINNs
Aprende cómo las PINNs permiten resolver la ecuación del calor en variedades para modelos generativos de difusión riemanniana, sin necesidad de núcleos analíticos.
Inferencia Bayesiana Escalable para Leyes de Conservación No Lineales
Aprende cómo la inferencia bayesiana escalable con procesos gaussianos resuelve problemas inversos en segundos, superando a métodos de deep learning.
Modelos Generativos y Validación Estadística
Descubre cómo los modelos generativos modernos transforman la física y cómo medir su precisión, exactitud y potencia estadística.
Red neuronal holomorfa para problemas de contorno 3D con potenciales armónicos
Redes neuronales holomorfas resuelven problemas de contorno 3D sin residuos internos. Validado en Laplace y elasticidad.
Algoritmos de trigger basados en deep learning para Hyper-Kamiokande
Algoritmos deep learning para triggers en Hyper-Kamiokande logran 76.7% eficiencia en detección de neutrinos de baja energía, superando métodos clásicos.
SimulCost: benchmark de costos para simulaciones físicas con LLMs
SimulCost: el primer benchmark que evalúa LLMs en simulaciones físicas con costos reales. Descubre por qué no siempre son rentables.
SWIM: Imitación de cuerpo completo para natación
SWIM: nuevo método de imitación para animación de natación. Aprende de un solo movimiento, se adapta a entornos y estilos. Eficiente, robusto y generalizable.
Predicción práctica de canal entre bandas para AI-RAN con deep unfolding
Descubre GUIDE, deep unfolding guiado por física: 2.75x más ganancia de beamforming que IA 1610x más rápido que modelos basados en física, sin reentrenamiento.
¿La física es todo lo que necesitas? Un estudio de caso en el desarrollo de software científico con IA supervisada por físicos.
<meta name="description" content=Descubre si la física es suficiente en el desarrollo de software científico con IA guiada por físicos. Un análisis revelador sobre los límites y la colaboración interdisciplinaria.>
Representaciones semánticas emergentes en modelos del mundo a través de la interacción física sin supervisión lingüística
<meta content=Descubre cómo emergen representaciones semánticas sin lenguaje a partir de la interacción física. Un enfoque innovador sobre cognición y aprendizaje. name=description>
Elevación Estocástica para la Generación de Trayectorias de Sistemas Físicos Estocásticos
Elevación estocástica: generación de trayectorias en sistemas físicos. Descubre cómo simular caminos aleatorios en física, desde partículas hasta fenómenos complejos.
¿Los modelos fundamentales de física aprenden física generalizable? Un benchmark consciente de sesgos a través de regímenes físicos y cambios de distribución.
Descubre si los modelos aprenden física generalizable con un benchmark que corrige sesgos en regímenes físicos.
Leyes de escalamiento neuronal para la generación de jets
Descubre cómo las leyes de escalamiento neuronal optimizan la generación de jets en física de partículas. Un análisis clave para modelos de IA.