Cuasilinealización convexa para resolver EDP no lineales con PINNs
Descubre LiL-Q: resuelve EDP no lineales con redes neuronales sin optimización no convexa, convergencia rápida y menos parámetros.
#física computacional
Hibridación de propagación de equilibrio con máquinas Ising
Entrena redes neuronales con propagación de equilibrio y máquinas Ising, reduciendo el consumo energético. Logra rendimiento comparable a backpropagation.
Modelado generativo impulsado por condensados de polaritones a temperatura ambiente
Descubre cómo los condensados de polaritones a temperatura ambiente revolucionan el modelado generativo, superando métodos digitales en precisión y diversidad.
El álgebra de las unidades: del teorema Pi al aprendizaje de variables latentes
Descubre cómo el teorema Pi de Buckingham y el aprendizaje automático encuentran grupos adimensionales a partir de datos. Ejemplo con compresor.
Pipelines neuronales con energía conservada: frenar propagación de errores
Descubre cómo la conservación de energía como restricción física reduce errores en redes modulares, mejorando precisión hasta 77%. CIFAR-10 y robótica.
Atención mediante sincronización en redes de osciladores acoplados
Sincronización de osciladores implementa atención sin exponenciación, superando a softmax en voz y gramática. Ideal para hardware eficiente.
Marco adaptativo para magnetosfera de púlsares con redes Kolmogorov-Arnold
Descubre las redes Kolmogorov-Arnold que mejoran precisión y rapidez en simulaciones de magnetosfera de púlsares, reduciendo errores y tiempo de entrenamiento.
GENERIC-FNO: Conservación de energía y entropía en FNO
Descubre cómo GENERIC-FNO integra conservación de energía y entropía en operadores neurales de Fourier, revolucionando la simulación termodinámica.
Introducción a métodos de optimización para entrenar modelos SciML
Aprende cómo la física y los operadores diferenciales condicionan la optimización en SciML. Métodos de primer y segundo orden, aplicaciones prácticas y desafíos.