AgentRivet: genera rutinas Rivet a partir de artículos
Descubre AgentRivet, un sistema que usa IA para generar rutinas Rivet automáticamente desde publicaciones científicas. Acelera la comparación de modelos.
#partículas
Detección OOD latente guiada por Mahalanobis para control híbrido ES-DRL
Detección de anomalías latentes para control híbrido en sistemas variables. Aprende cómo el método Mahalanobis-VAE mejora la seguridad en aceleradores de partículas.
LatticeBridge: Inferencia de Eventos Raros para Síntesis Fiel de Secuencias
Descubre cómo LatticeBridge mejora la síntesis de secuencias estructuradas con inferencia de eventos raros y decodificación SMC para alta fidelidad.
La ballena que superó a la evolución: optimización de conectomas
Descubre cómo la inteligencia de enjambre optimiza memoria en conectomas. Algoritmo ballena logra mejoras de hasta 17x. Estudio en computación de reservorios.
Actualización bayesiana con flujo de partículas neuronal poblacional
Descubre cómo el flujo de partículas neuronal poblacional mejora la actualización bayesiana con codificación de conjuntos profundos para transporte más preciso.
Reducción eficiente de integrales de Feynman con IA mediante Tube Seeding
Descubre cómo el machine learning reduce integrales de Feynman con tube seeding, acelerando cálculos en física de partículas.
Selección Intrínseca y Remuestreo para Escalado en Inferencia sin Verificación
Descubre cómo la selección intrínseca y el remuestreo de partículas mejoran el escalado en tiempo de inferencia sin necesidad de verificación externa, logrando
Capturando dinámicas no Markovianas en sistemas estocásticos con flow matching
Aprende cómo el flow matching modela dinámicas no Markovianas en sistemas estocásticos, mejorando simulaciones de partículas brownianas.
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.
Blade: Método de inversión bayesiana sin derivadas con priors de difusión
Blade: método de inversión bayesiana sin derivadas con priors de difusión. Obtén muestras calibradas en dinámica de fluidos. Ideal para IA y ciencia de datos.
Blade: Inversión bayesiana sin derivadas con priors de difusión
Blade: inversión bayesiana sin derivadas con priors de difusión. Partículas interactuantes para posteriores precisos y calibrados en dinámica de fluidos.
CaloTrilogy: Avance en simulación de calorímetros con IA
Descubre CaloTrilogy: un marco unificado de IA que genera simulaciones de calorímetros en uno o pocos pasos, compitiendo con Geant4 en calidad y velocidad.
Puente de Schrödinger de Campo Medio No Local con Interacciones Aprendidas
Descubre cómo las redes neuronales optimizan el Puente de Schrödinger de Campo Medio, reduciendo costos de cuadrático a lineal en sistemas de partículas con interacciones no locales.
Red Neuronal RBF Multicolumna con PSO Adaptativo y No Adaptativo
¡Mejora precisión y velocidad con redes RBF multicolumna usando PSO adaptativo y no adaptativo! Descubre resultados.
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.
Recuperación de la volatilidad acoplada al estado bajo observación parcial
Descubre cómo recuperar la volatilidad acoplada al estado en sistemas latentes con observación parcial usando filtros de partículas.
Huellas de neutrinos: codificación en imágenes de eventos IceCube para CNN
Descubre cómo huellas de neutrinos en imágenes permiten a una CNN reconstruir dirección de eventos IceCube con precisión. Innovador enfoque para astrofísica.
Descubrimiento de señales con ML sin modelo: uniendo teoría y práctica
Descubre cómo las técnicas de Machine Learning permiten buscar señales sin depender de modelos teóricos, aumentando el potencial de descubrimiento.
Inferencia de heterogeneidad en partículas con Langevin de segundo orden
Aprende cómo un enfoque de máxima verosimilitud permite inferir heterogeneidad poblacional y modelos dinámicos desde trayectorias estocásticas de partículas.
ShelfAware: Localización Semántica en Tiempo Real para Entornos Cuasi-Estáticos
ShelfAware logra localización global robusta en entornos dinámicos con sensores de bajo costo y un filtro de partículas semántico. Ideal para robots móviles.