709 ورقة بحثية
تتناول هذه الورقة تحدي التنبؤ العكسي في تصميم المكثفات من خلال إثبات أن النماذج التوليدية العميقة يمكنها التنبؤ بفعالية ودقة بالمعلمات الديناميكية المدخلة من محاكاة المجال الكهروستاتيكي، متفوقة بذلك على النماذج المرجعية الحالية بصرياً وكمياً.
تقترح هذه الورقة إطاراً بايزياً قابلاً للتفسير يدمج حداً لعدم كفاية النموذج من أجل التحديد الكمي القوي ونشر عدم اليقين في شكل النموذج وضجيج القياس، مما يحسن موثوقية التنبؤات للكميات ذات الأهمية غير المرصودة، كما هو موضح من خلال محاكاة حرارية عابرة.
تقدم هذه الورقة إطار عمل هجين يجمع بين التقييم الحتمي القائم على السياق وبين الاستدلال المدعوم بالنماذج اللغوية الكبيرة والمراجعة البشرية، وذلك لربط التعليقات التوضيحية للرسومات ثنائية الأبعاد بميزات التصميم ثلاثية الأبعاد بدقة عالية، مما يحقق دقة واستدعاءً مرتفعين لأتمتة التصنيع في الصناعات التي لا تزال فيها الرسومات ثنائية الأبعاد هي المصدر الأساسي لنوايا التصميم.
تقترح هذه الورقة منهجية للشبكات العصبية المستنيرة بالفيزياء (PINN) تتميز بخوارزمية تدريب تتابعية لحل المشكلة العكسية غير محددة الحل لتقدير سرعة سائل التبريد لمبددات حرارة ترانزستورات MOSFET، مما يظهر تقارباً نظرياً واتفاقاً قوياً مع النتائج التجريبية.
تقترح الورقة البحثية GA-Field، وهي شبكة تعلم عميق مبتكرة تعزز التنبؤ بالمجال الديناميكي الهوائي للمركبات من خلال دمج التكييف المتكرر للهندسة العالمية واستراتيجية صقل من الخشن إلى الناعم لتحقيق دقة وقدرة على التعميم تضاهي أحدث ما توصل إليه العلم، مع التغلب على قيود نهج التعيين أحادي المرحلة الحالي.
تقدم هذه الورقة نظاماً شاملاً لتنظيم المعرفة (SoK) حول المهارات الوكيلة، حيث تقدم تصنيفات ثنائية لتصميمها وتمثيلها، وتحلل المخاطر الأمنية الحرجة التي توضحها حملة ClawHavoc، وتقيم تأثيرها على موثوقية الوكيل لرسم معالم التحديات المستقبلية للأنظمة المستقلة القوية والقابلة للتحقق.
تقدم هذه الورقة Quantformer، وهي شبكة عصبية قائمة على نموذج المحولات (transformer) معززة بالتعلم بنقل المعرفة من تحليل المشاعر، والتي تلتقط بفعالية التبعيات طويلة المدى وإشارات السوق لتتفوق على استراتيجيات الـ 100 عامل التقليدية في التنبؤ بعوائد الأسهم داخل السوق الرأسمالي الصيني.
تقترح هذه الورقة إطار عمل للتحقق المتبادل القوي (RCV)، يتميز بخوارزميتي RCV-VarLiNGAM وRCV-PCMCI الجديدتين، لتعزيز دقة وموثوقية التحقق من صحة النماذج القائمة على الوكلاء من خلال المعالجة الفعالة لتحديات الضجيج والتعقيد في اكتشاف السببية للسلاسل الزمنية.
تقدم هذه الورقة البحثية نموذج "مطابقة التدفق القائم على الفيزياء" (PBFM)، وهو إطار عمل جديد للنمذجة التوليدية يحل المقايضة بين الاتساق الفيزيائي والدقة التوزيعية من خلال فرض قيود فيزيائية أثناء التدريب عبر تحديثات تدرج خالية من الصراعات، مما يحقق أداءً أمثلًا وفق معيار باريتو دون المساس بسرعة الاستدلال أو الحاجة إلى موازنة يدوية للخسارة.
يُعد AdaPert إطار عمل مبتكر يعزز التنبؤ بالاستجابة النسخية القوية من خلال تعلم مخططات فرعية خاصة بالاضطراب من الرسوم البيانية للمعرفة البيولوجية وتطبيق التعلم التكيفي للتغلب على انهيار المتوسط والتمييز بين الإشارات الحقيقية والضوضاء التجريبية.