PyCC.id: Ecuaciones basadas en hipótesis con identificabilidad estructural
Descubre PyCC, la biblioteca Python que combina hipótesis e identificabilidad estructural para descubrir ecuaciones diferenciales a partir de datos temporales.
#regresión simbólica
Destilación simbólica para métricas de Calabi-Yau
La destilación simbólica logra expresiones compactas para métricas de Calabi-Yau en la quíntica de Dwork con R²=0.9994. Geometría y machine learning unidos.
Evolución Deliberada: Regresión Simbólica Eficiente con LLMs
Descubre cómo Deliberate Evolution usa razonamiento agentico y memoria reflexiva para regresión simbólica eficiente con solo 40% de muestras. ¡Más con menos!
Regresión simbólica en expresiones compartidas: intercambio parcial parámetros
Descubre cómo el intercambio parcial de parámetros en regresión simbólica optimiza expresiones y reduce la necesidad de datos.
AutoNumerics-Zero: Descubrimiento Automático de Funciones de Vanguardia
Descubre cómo la inteligencia artificial evoluciona programas que aproximan la función exponencial con 14 cifras significativas, superando métodos clásicos en eficiencia y precisión.
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.
Reconstrucción de estados con kernel informado por conocimiento
MAAT utiliza conocimiento previo y kernels para reconstruir estados de sistemas dinámicos desde observaciones parciales, reduciendo errores de trayectoria y derivadas.
Enriquecimiento de datos para regresión simbólica con modelos de difusión
El enriquecimiento de datos con modelos de difusión guiados por física mejora el descubrimiento de ecuaciones en datos dispersos, sin experiencia experta.
Aprendizaje multimodal y programación genética: alineación en espacio latente
Un estudio analiza la alineación multimodal en SNIP para regresión simbólica. Descubre por qué no mejora durante la optimización y qué implica para el futuro.
De pesos a código: extrayendo algoritmos interpretables del Transformer Discreto
Extrae algoritmos interpretables de un Transformer Discreto. Descubre cómo convertir pesos neuronales en código legible para una IA más explicable.
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.
M-CBE: Expertos Mixtos en Cuellos de Botella Conceptuales
Descubre M-CBE, una nueva arquitectura que combina múltiples expertos en modelos de cuello de botella conceptual para mejorar la precisión sin sacrificar la interpretabilidad.
Rompiendo el cuello de botella de simplificación en regresión simbólica
Descubre cómo SimpliPy acelera 100x la simplificación de expresiones en regresión simbólica neuronal, superando limitaciones de SymPy y mejorando precisión en benchmarks.
Regresión simbólica guiada por influencia: Descubrimiento científico mediante búsqueda de ecuaciones impulsada por LLM con retroalimentación granular
Regresión simbólica guiada por influencia con LLM para descubrimiento científico: técnica innovadora que acelera el hallazgo de ecuaciones explicativas mediante modelos de lenguaje.