22512 ورقة بحثية
تستعرض هذه المراجعة كيف يعالج الذكاء الاصطناعي، لا سيما من خلال التعلم الآلي، والتعلم العميق، والنماذج اللغوية، تحدي التوصيف الفعال للأنظمة الكمومية واسعة النطاق عبر تمكين التنبؤ بالخصائص الكمومية وبناء بدائل للحالات، مع مناقشة أيضاً التطبيقات الرئيسية، والتحديات، والآفاق المستقبلية عند تقاطع الذكاء الاصطناعي والعلوم الكمومية.
تقدم هذه الورقة البحثية إطار عمل DART، وهو إطار عمل جديد ثنائي المفسرات يتغلب على "فخ التشابه الإحصائي" في نماذج الطقس القائمة على التعلم العميق من خلال إعطاء الأولوية لرصد الحمل الحراري الشديد بدلاً من الارتباطات الإحصائية الضبابية، محققاً أداءً فائقاً عبر تقنيات مبتكرة مثل إزالة نقل بخار الماء المتكامل، والمثبت من خلال دراسات حالة فيضانات واقعية.
تعد CountTRuCoLa طريقة للتنبؤ بالرسوم البيانية للمعرفة الزمنية القابلة للتفسير، حيث تتعلم أربعة أنواع من القواعد الرمزية التي تدمج الحداثة والتكرار، محققةً أداءً تنافسيًا وقابلية للتوسع مع ضمان إمكانية تتبع جميع التنبؤات مباشرة إلى قواعدها وملاحظاتها الأساسية.
تقترح هذه الورقة شبكة تقطير معرفي متعددة الوسائط متغيرة غنية بتوجيه نصي (VMD) تستفيد من المعرفة المتخصصة لأطباء الأشعة المستمدة من التصوير والتقارير لتحسين التشخيص الآلي لهشاشة لويحة الشريان السباتي في التصوير بالرنين المغناطيسي ثلاثي الأبعاد، لا سيما عندما تكون بيانات التوسيم محدودة.
تقترح هذه الورقة إطار عمل للحوسبة الرقمية عبر الهواء مُتعلمة يعمل على تحسين كتاب رموز الوصول العشوائي غير المصدر وكود فك تشفير الرسائل التقريبية المُحسّن بشكل مشترك لتمديد نطاق نسبة الإشارة إلى الضوضاء القابل للتطبيق بشكل كبير من أجل التعلم الاتحادي الحافي في بيئات إنترنت الأشياء ذات نسبة الإشارة إلى الضوضاء المنخفضة مقارنة بالنماذج المرجعية المتطورة.
تقدم الورقة البحثية T-Tamer، وهو إطار عمل عام لخدمة النماذج المتعددة يثبت أن استراتيجيات الاستدعاء ضرورية وكافية في آن واحد لتحقيق مقايضات مثالية بين الدقة وزمن الاستجابة في وقت حدودي، متجاوزاً بذلك قيود النهج الحالية القائمة على الاستدلال.
تقترح هذه الورقة استخدام إكمال الموتر (tensor completion) كنموذج بديل لتسريع تصميم الهياكل الشبكية المثلى، مما يظهر أداءً فائقاً على طرق تعلم الآلة التقليدية مثل العمليات الغاوسية (Gaussian Processes) وXGBoost عندما يتم جمع بيانات التدريب عبر أخذ عينات غير منتظمة ومنحازة.
تقدم هذه الورقة البحثية HINet، وهي طريقة تعتمد على الشبكات العصبية التي تستفيد من الشبكات العصبية الرسومية التعبيرية والتدريب الخصمي المعتمد على النطاق لتقدير آثار العلاج غير المتجانسة في بيئات الشبكات دون الاعتماد على خرائط تعرض محددة مسبقاً أو قد تكون خاطئة التوصيف.
تقترح هذه الورقة إطار عمل لاسترجاع دلالي ثلاثي المراحل وقابل للتوسع لقياس جدة توليد النماذج اللغوية الكبيرة مقابل مجموعات بيانات التدريب المسبق الكاملة، مما يكشف أن النماذج تستخدم البيانات عبر تسلسلات أطول مما كان يُعتقد سابقاً، وتُظهر أنماط جدة خاصة بمجالات معينة، وتزيد من الجدة من خلال الضبط الدقيق للتعليمات.
تقدم هذه الورقة البحثية LAYA، وهو رأس مخرجات مبتكر ومستقل عن البنية الهيكلية، يقوم بتجميع تمثيلات الطبقات المتوسطة ديناميكيًا عبر آلية انتباه مشروطة بالمدخلات لتعزيز الأداء التنبؤي مع تقديم تفسيرات ذاتية وقابلة للتفسير ومرتبطة بالعمق حول كيفية مساهمة مستويات التجريد المختلفة في قرارات الشبكة العصبية.