Resolución adaptativa para procesos gaussianos de rango finito
La resolución adaptativa en procesos gaussianos de rango finito logra tasas de contracción óptimas. Descubre el nuevo método que revoluciona la inferencia.
#núcleo
Generalización en Mínimos Cuadrados No Lineales vía Geometría Aprendida
Aprende cómo la geometría de características aprendidas mejora la generalización en mínimos cuadrados no lineales, reduciendo la dependencia de parámetros.
¿Qué tan profundos son realmente los GPs profundos?
Descubrimos el umbral crítico que define si los procesos gaussianos profundos colapsan o convergen a distribuciones no gaussianas e interesantes. ¡Lee más!
AMN: Red Adaptativa de Fusión Multiescala con Bordes e Incertidumbre para Núcleos
Descubre AMN, una red adaptativa que fusiona Swin Transformer y ResNet-50 para segmentar núcleos con alta precisión en patología. Supera a 8 modelos en CoNIC.
Distribución cuántica de claves a 300 km con nodo de confianza y fibra multi-núcleo
Logran distribución cuántica de claves a 303 km con fibra multi-núcleo, superando pérdidas y coexistiendo con tráfico clásico. Avance para redes cuánticas.
Distribución cuántica de claves a 300 km con fibra multinúcleo
Demostración de QKD sobre 303 km combinando fibra monomodo y multinúcleo, con tráfico clásico coexistente. Implicaciones para seguridad cuántica en redes reales.
Análisis SAXS con aprendizaje automático diferenciable para nanopartículas lipídicas
Acelera el análisis estructural de nanopartículas lipídicas con un marco de aprendizaje automático diferenciable para SAXS. Resultados precisos y rápidos.
Predicción eficiente de inundaciones con núcleos y modelos tabulares
Descubre cómo selección de núcleos y modelos tabulares predicen profundidad de inundaciones con solo 0.7% de datos y R²=0.663, transferible entre cuencas.
Aprendizaje bayesiano disperso para núcleos de interacción Motsch-Tadmor
Aprende cómo un algoritmo SBL estima núcleos de interacción en el modelo Motsch-Tadmor, cuantificando incertidumbre a partir de datos de trayectoria.
Principios de contracción global y local para mezcla MCMC
Descubre cómo los principios de contracción local y global aceleran la convergencia en algoritmos MCMC, con aplicaciones a Langevin y Metropolis-Hastings.
Mejora el rendimiento de Node.js con el módulo Cluster
Aprende a usar el módulo Cluster de Node.js para mejorar el rendimiento, escalabilidad y alta disponibilidad de tu servidor. Implementación y mejores prácticas.
WildCat: Atención casi lineal en teoría y práctica
Descubre WildCat, un nuevo método de atención que logra error mínimo en tiempo casi lineal. Ideal para modelos de IA con secuencias largas. ¡Lee más!
CART: Transformer Recurrento Eficiente con Estabilidad Aprendida
CART es un transformer recurrente que reduce parámetros al reutilizar un bloque central. Con estabilidad aprendida vía puerta LTI, ofrece resultados competitivos en GPU de consumo.
Gráfico contrastivo anclado en Doeblin para aprender kernels de Markov
Aprende a estimar núcleos de Markov válidos con un gráfico contrastivo anclado en Doeblin. Mejora la precisión en dinámicas de cadena.
Abstracción de estados con topología y núcleos de tangles para MDP
Descubre cómo abstracción con núcleos de tangles mejora la toma de decisiones en entornos con interfaces compartidas para optimizar el aprendizaje por refuerzo.
Intel y socios: 36,864 núcleos en rack de 100kW para IA agéntica
Intel y Foxconn presentan racks con 36,864 núcleos CPU en 100kW para cargas de trabajo de IA agéntica. Descubre los nuevos diseños de referencia.
Agentic-J: Agente IA para Análisis de Microscopía Biológica
Descubre Agentic-J, asistente multi-agente IA para análisis de microscopía biológica. Genera scripts, depura y reporta resultados.
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.
Intel Clearwater Xeon 6+: 288 núcleos para IA agente
Descubre el Intel Xeon 6+ Clearwater con 288 núcleos E-core para IA agente. Rendimiento, eficiencia y comparativa con AMD. ¡Lee más!
Intel Diamond Rapids: 192 núcleos, pero sin Hyperthreading
Intel Diamond Rapids ofrecerá 192 núcleos, pero elimina Hyperthreading. Descubre cómo este Xeon HPC para 2027 compite con AMD Epyc y su nueva arquitectura.