Traj-Evolve: Sistema multiagente autoevolutivo para detección de cáncer pulmonar
Traj-Evolve: un sistema autoevolutivo que mejora la detección temprana del cáncer de pulmón usando IA.
#modelado
Síntesis de poblaciones virtuales con difusión latente y Fourier
Descubre cómo 4D F-MeshLDM genera poblaciones virtuales cardíacas realistas usando difusión latente y Fourier, superando a los modelos actuales para ensayos in-silico.
Democratizar el análisis predictivo y apoyar a científicos de datos ciudadanos
Descubre cómo democratizar el análisis predictivo y apoyar a los científicos de datos ciudadanos para tomar decisiones basadas en datos.
Ref-DGS: Modelado de reflejos especulares con Gaussian Splatting dual
Descubre Ref-DGS, método Gaussian Splatting dual para reflejos especulares sin trazado de rayos, con reconstrucción y síntesis de vistas de alta calidad.
TiWeaver: Modelado unificado de dinámicas temporales con parcheo contextual
TiWeaver optimiza el pronóstico multivariante mediante parcheo contextual y manejo de datos irregulares. Logra hasta un 25% más de precisión.
Adaptando reglas de puntuación estrictamente adecuadas para inferencia causal
Personaliza reglas de puntuación para inferencia causal. Nuestra pérdida a medida reduce sesgo y varianza en estimación del ATE.
SketchSong: Generación jerárquica de canciones con bocetos y modelado fino
Aprende cómo SketchSong genera canciones coherentes usando planificación de bocetos y modelado fino multitrack. ¡Resultados competitivos!
ReciNet: Modelado de largo alcance en espacio recíproco para predicción de propiedades cristalinas
Descubre ReciNet, un modelo de IA que predice propiedades cristalinas usando el espacio recíproco con precisión superior en benchmarks de materiales.
Optimización de políticas con recompensas híbridas eficientes en energía
Descubre cómo H-EARS mejora eficiencia energética y estabilidad en RL con recompensas híbridas guiadas por física. Resultados en benchmarks y simulaciones.
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.
Modelado de orden reducido de Hamiltonianos con redes simplécticas
Descubre cómo las redes neuronales simplécticas preservan la estructura hamiltoniana en modelos reducidos, logrando simulaciones precisas y estables a largo plazo.
Truncación balanceada Hermite simétrica para sistemas dinámicos a partir de derivadas
Descubre cómo la truncación balanceada con cuadratura Hermite simétrica permite aprender sistemas dinámicos lineales a partir de datos de derivadas, preservando estabilidad y hermiticidad.
Modelado Bayesiano de Bloques Dispersos para Predicción de Expresión cis
Descubre cómo bsBSLMM mejora la predicción de expresión génica usando bloques LD y anotaciones. Resultados superiores en TWAS y GWAS.
Modelado Generativo Precondicionado Un Paso para Problemas Inversos Bayesianos
Genera muestras posteriores 64x64 en milisegundos con modelado generativo de un paso para problemas inversos bayesianos en espacios funcionales. Evita MCMC.
Aprendizaje de dinámicas hamiltonianas a gran escala
Descubre RO-HNN: combina mecánica hamiltoniana y reducción de orden para aprender dinámicas complejas a gran escala con predicciones consistentes.
FM-IRL: Flow-Matching para modelado de recompensas y regularización en RL
Descubre cómo FM-IRL combina Flow-Matching con RL para mejorar la exploración y generalización en políticas de aprendizaje por refuerzo.
Modelado de lenguaje chino con glifos visuales: arranque en caliente
Descubre cómo los glifos visuales duplican la precisión inicial en modelado de lenguaje chino, pero con un límite final.
Modelado Inverso Codificado con Física para Predicción de Nieve Ártica
Descubre el modelo inverso PhysE-Inv que combina LSTM y física para predecir nieve ártica, reduciendo errores un 24.7%.
Hacia un modelado científico programático físicamente consistente y ejecutable
Descubre AutoBM: el marco de IA que genera modelos de simulación estructural consistentes y ejecutables.
Estructura y escala en el modelado de secuencias simpliciales
Descubre cómo la escala en modelos de secuencias simpliciales se correlaciona con estructura y rendimiento en transformers. Un estudio revela patrones predecibles.