22512 ورقة بحثية
تُعد LARA طريقة تكيف خفيفة الوزن تقوم بحقن تصحيحات منخفضة الرتبة مباشرة في المجرى المتبقي لنموذج مجمد، مما يتيح أداءً مطابقاً للمعلمات بكفاءة، وتحكماً سلسًا عند الاستدلال عبر عامل قياس، واستضافة سلوكيات متعددة ومتميزة في آن واحد على جهاز واحد.
تقدم هذه الورقة البحثية طريقة التوجيه الهرمي عبر "كوبولا-غومبل-توب-K" (Hierarchical Copula-Gumbel-Top-) لنماذج "خليط الخبراء" (Mixture-of-Experts) المجمدة، والتي تحافظ على قوانين توجيه الرموز الفردية مع استخدام آلية تحكم ثنائية الجانب (ارتباط إيجابي داخل المجموعة ومعارضة سلبية بين المجموعات) لإدارة تباين حمل الخبراء والتماسك عبر متحكم قابل للتدريب.
تُظهر هذه الدراسة أن نماذج تعلم الآلة ونماذج انحدار كوكس المُعاقبة التي تستفيد من بيانات السجلات الصحية الإلكترونية وبيانات قياس امتصاص المعادن في العظام (DXA) تتفوق بشكل كبير على أداة (FRAX) التقليدية في التنبؤ بمخاطر الكسور بين البالغين فوق سن الخمسين، رغم أن الأمر يتطلب مزيداً من التحقق قبل التنفيذ السريري.
تقدم الورقة البحثية LAWFUL، وهو إطار عمل تأسيسي يعالج فجوات التفسير الرئيسية للتحقق مما إذا كانت الشبكات العصبية لا تتعلم فحسب، بل تستخدم أيضاً القوانين الفيزيائية الصورية داخلياً، وهو ما تم إثباته من خلال تأكيد استخدام نموذج Mocap2Radar transformer لقانون تردد دوپلر رغم غيابه عن بيانات التدريب.
تقدم هذه الورقة طاقة الاستدلال المدركة للخطوات (SARE)، وهي إطار هندسي يستخدم محاذاة النواة المركزية لتقدير الجهد الحسابي على مستوى كل خطوة من خطوات سلسلة الأفكار، مما يكشف عن توزيعات طاقة غير منتظمة وتحولات تشبه الأطوار تتنبأ بنجاح الاستدلال بفعالية أكبر من المقاييس التقليدية على مستوى المخرجات.
تقدم هذه الورقة البحثية CV، وهو إطار عمل للتعلم العميق المستند إلى الفيزياء، يقوم بتقدير عمر الكلال لسبائك الفولاذ خفيفة الوزن بسرعة مباشرة من الصور المجهرية الضوئية بدقة عالية وعدم يقين مُعاير، محققاً معامل تحديد قدره 0.93 في اختبار معياري اصطناعي مع تسليط الضوء على الحاجة إلى التحقق المستقبلي من العينات الواقعية.
تقدم هذه الورقة البحثية "مطابقة التدفق للبيانات المفقودة" (Missing-Data Flow Matching)، وهي طريقة تعامل الإحداثيات المفقودة كمتغيرات كامنة لتثبت أن فقدان البيانات تحت ظروف محددة لا يغير هدف التعلم، بل ينقل التحدي إلى عملية الاستكمال، مع إثبات أن استخدام استكمال واحد متعلم لكل مثال هو الأمثل نظرياً لتقليل التباين والتحيز.
تقدم الورقة البحثية WaiT، وهو محول صور مدرك للمويجات (wavelet-aware image Transformer) يعمل على تحسين توليد الصور عالية الدقة من خلال تفكيك الصور إلى نطاقات ترددية وتأخير صقل الترددات العالية حتى تظهر الهياكل الخشنة، مما يحقق دقة فائقة في فضاء البكسل (pixel-space fidelity) وتكاليف حوسبة منخفضة مع التوسع بفعالية في توليد الفيديو.
تقترح هذه الورقة دمج وحدات تفاعل الميزات من آلات التفكيك في الشبكات العصبية المستوحاة من الفيزياء والمؤثرات العصبية لتعزيز نمذجة الارتباطات المتغيرة، مما يحسن الدقة بشكل كبير للمعادلات التفاضلية الجزئية ذات التبعيات القوية بين المجالات، أو التدرجات الحادة، أو الانقطاعات، بينما تقدم فوائد محدودة لمهام تعلم المؤثرات السلسة.
تُثبت هذه الورقة أن السمات متوسطة الذرات المستخرجة من جهود التفاعل بين الذرات القائمة على تعلم الآلة (MLIPs) والمُدربة مسبقاً، مثل MACE، تعمل كإحداثيات خشنة فعالة لكل من تقييم نماذج توليد المواد عبر مقياس مسافة النقل الخشن-الناعم (CFTD) المبتكر وتوجيه عملية التوليد نفسها.