709 ورقة بحثية
تقدم هذه الورقة البحثية "المُكيِّف ثنائي النواة" (Dual-Kernel Adapter - DKA)، وهو وحدة مبتكرة تعمل على توسيع السياق المكاني من خلال عمليات الالتفاف ذات النواة الكبيرة للتغلب على تدهور الأداء في المُكيِّفات التقليدية في سيناريوهات التصوير الطبي ذات البيانات المنخفضة للغاية، مما يحقق نتائج قياسية جديدة تتفوق على ما سبقها عبر مختلف المعايير المرجعية.
تقدم الورقة البحثية Scale-PINN، وهي استراتيجية تعلم مبتكرة تدمج مبدأ تصحيح البواقي التكراري للمحللات العددية في الشبكات العصبية المستوحاة من الفيزياء لتقليل وقت التدريب بشكل جذري وتحسين الدقة، مما يسد الفجوة بين التعلم العميق والطرق العددية التقليدية للتطبيقات العلمية العملية.
تقترح هذه الدراسة إطار عمل لتحسين الطوبولوجيا يعتمد على طريقة "لاغرانج المعزز" يدمج قيود الإجهاد المحلي لتصميم بنى مجهرية للمواد الخارقة (metamaterials) ذات أداء ميكانيكي أمثل تحت ظروف التحميل الساكن والدوري على حد سواء.
تقترح هذه الورقة إطار عمل تطوريًا بالدالينيًا (Baldwinian) مبتكرًا يعزز من قدرة الشبكات العصبية المستنيرة بالفيزياء (PINNs) على التعميم من خلال تزويدها مسبقًا بانحيازات تطورية للتعلم الفعال، محققةً دقة أعلى وتكاليف حوسبة أقل بشكل ملحوظ مقارنةً بأحدث أساليب التعلم التلوي عبر مهام فيزيائية متنوعة.
تدعو هذه الورقة إلى دمج الخوارزميات التطورية الخالية من التدرج مع الشبكات العصبية المستوحاة من الفيزياء (PINNs) للتغلب على التحديات الحرجة في سرعة التدريب، والدقة، والتعميم، مما يعزز تطوير الذكاء الاصطناعي الفيزيائي القوي.
تُعد PHAST بنية تعلم عميق من نوع "بورت-هاميلتونيان" (port-Hamiltonian) تستفيد من تقسيم "سترانج" (Strang splitting) وتفكيك "هاميلتون" الهيكلي لتحقيق تنبؤ مستقر طويل الأمد واستعادة معنوية فيزيائية للمعلمات من ملاحظات الموضع فقط عبر أنظمة فيزيائية متبددة متنوعة.
تقدم الورقة البحثية إطار عمل PINEAPPLE، وهو إطار عمل مبتكر يجمع بين الشبكات العصبية المستوحاة من الفيزياء والبحث التطوري لتمكين الاستنتاج السريع والدقيق والقوي في الوقت الفعلي لمعلمات أقطاب بطارية الليثيوم أيون الداخلية من منحنيات تفريغ الجهد والزمن فقط، مما يسهل تشخيصات حالة الصحة غير التدميرية لأنظمة إدارة البطاريات من الجيل التالي.
تقدم هذه الورقة FinTagging، وهو أول معيار مرجعي شامل يفكك المهمة المعقدة لوسم XBRL إلى تحديد الأرقام المالية وربط المفاهيم المالية، ليكشف أن النماذج اللغوية الكبيرة، رغم تفوقها في استخراج الكيانات المالية، تعاني بشكل كبير في ربطها بتصنيف US GAAP الكامل تحت ظروف واقعية تراعي الهيكلية.
تقدم هذه الورقة FinAuditing، وهو معيار مرجعي واسع النطاق ومتوافق مع التصنيفات مستمد من تقارير XBRL حقيقية، يقيم قدرات 13 نموذجاً لغوياً كبيراً من أحدث الطرازات عبر ثلاث مهام تدقيق مالي، مما يكشف عن فجوات كبيرة في قدرتها على إجراء المطابقة الدلالية الواعية بالهيكل، واستخراج العلاقات، والاستدلال الرياضي.
تقدم هذه الورقة BEMEval-Doc2Schema، وهو أول إطار عمل مرجعي مدفوع من المجتمع يتميز بمقياس معدل تداخل المفتاح-القيمة (KVOR) لتقييم ومقارنة أداء النماذج اللغوية الكبيرة بشكل منهجي في استخراج البيانات المهيكلة من وثائق المباني لأتمتة نمذجة الطاقة.