63 Arbeiten
Diese Arbeit stellt einen auf Retrieval-Augmentation basierenden Assistenten vor, der die Sicherheitsbewertung und regulatorische Compliance von unbemannten Luftfahrzeugen durch eine kontrollierte, zitationsbasierte Architektur unterstützt, die ausschließlich auf autoritativen Quellen beruht und menschliche Expertise zur endgültigen Entscheidungsfindung bewahrt.
Diese Arbeit untersucht die Anwendung bedingter Diffusionsmodelle auf die Aktienrenditevorhersage und zeigt, dass eine optimale Generalisierung und Überlegenheit gegenüber Basisstrategien erreicht wird, wenn die Faktordimensionalität so gewählt wird, dass ein ausgewogenes Verhältnis zwischen Unteranpassung und Überanpassung entsteht.
Diese Arbeit stellt eine Methode zur präzisen und kostengünstigen Abschätzung der Konditionszahl von Chebyshev-gefilterten Vektoren vor, um im ChASE-Algorithmus die optimale QR-Zerlegung automatisch auszuwählen und so die Leistung zu steigern, ohne die Genauigkeit zu beeinträchtigen.
Die Arbeit stellt ein erklärbares, unüberwachtes STA-GNN-Modell für die Anomalieerkennung in industriellen Steuerungssystemen vor, das räumlich-zeitliche Abhängigkeiten nutzt, um durch Aufmerksamkeitsmechanismen kausale Zusammenhänge zu identifizieren und durch konforme Vorhersage die Zuverlässigkeit bei sich ändernden Umgebungen sicherzustellen.
Diese Studie stellt einen umfassenden Atlas von kubisch symmetrischen Metamaterialien vor, der auf einer Datenbank von 1,95 Millionen Einheitszellen basiert und durch ein trainiertes neuronales Netzwerk-Modell die Entdeckung von Strukturen mit extremen mechanischen Eigenschaften wie hoher Steifigkeit, Auxetik und Pentamode-Verhalten ermöglicht.
Dieser Artikel stellt einen Divide-and-Conquer-Algorithmus zur Approximation eindimensionaler Wahrscheinlichkeitsverteilungen vor, der eine optimale Konvergenzrate aufweist und sich in numerischen Studien als stabiler gegenüber arithmetischen Operationen erweist als bestehende Verfahren.
Die Arbeit stellt QCAI vor, eine neue post-hoc-Methode zur Interpretation von Cross-Attention-Mechanismen in Transformer-Decodern für TCR-pMHC-Bindungen, die mit dem neu eingeführten TCR-XAI-Benchmark aus 274 experimentellen Strukturen sowohl die Interpretierbarkeit als auch die Vorhersagegenauigkeit verbessert.
Die Arbeit stellt TrinityDNA vor, ein bio-inspiriertes Grundmodell, das durch die Integration biologisch fundierter Komponenten wie Groove Fusion und Gated Reverse Complement sowie eines mehrskaligen Aufmerksamkeitsmechanismus effiziente und präzise Modellierungen langer DNA-Sequenzen ermöglicht und damit die Genomforschung voranbringt.
Die Studie stellt TCR-EML vor, einen neuartigen Ansatz, der erklärbare Modellschichten in Protein-Sprachmodelle integriert, um die Vorhersage von TCR-pMHC-Bindungen sowohl präzise als auch biologisch nachvollziehbar zu machen.
Diese Arbeit bietet aus der Perspektive der natürlichen Sprachverarbeitung (NLP) einen Überblick über gängige digitale Molekülrepräsentationen und deren Anwendungen in der chemischen Informatik, um Forschern als Leitfaden an der Schnittstelle von KI, Chemie und Materialwissenschaft zu dienen.
Die Studie stellt Ptychi-Evolve vor, ein autonomes Framework, das mittels evolutionärer Large-Language-Model-Reasoning-Verfahren neuartige Regularisierungsalgorithmen für die Ptychographie entwickelt, die in Experimenten mit verschiedenen Datensätzen konventionelle Rekonstruktionsmethoden signifikant übertreffen.
Diese Arbeit stellt einen neuen lock-freien Work-Stealing-Algorithmus vor, der speziell für Master-Worker-Frameworks in der gemischt-ganzzahligen Optimierung entwickelt wurde und durch native Stapeloperationen sowie eine auf einen Besitzer und einen Dieb beschränkte Konkurrenzkonfiguration eine konstante Latenz bei Push-Operationen und eine signifikant bessere Skalierbarkeit im Vergleich zu bestehenden Lösungen wie C++ Taskflow bietet.
Diese Übersichtsarbeit fasst internationale Expertenperspektiven zusammen, die die verantwortungsvolle klinische Integration von computergestützter Pathologie durch aufkommende Fundamentmodelle und Agenten bewerten, indem sie den aktuellen Nutzen mit den technischen, wirtschaftlichen und regulatorischen Herausforderungen für die breite Anwendung in der Patientenversorgung in Verbindung bringen.
Dieses Paper stellt CliqueFlowmer vor, ein neuartiges, auf Offline-Modell-basierter Optimierung (MBO) und Transformer-Flow-Generierung aufsetzendes Verfahren zur computergestützten Materialentdeckung, das im Vergleich zu herkömmlichen generativen Basismodellen überlegene Ergebnisse bei der Suche nach Materialien mit optimierten Eigenschaften erzielt.
Die Arbeit stellt GMM-PIELM vor, einen probabilistischen adaptiven Sampling-Ansatz, der die Genauigkeit und Konditionierung von Physics-Informed Extreme Learning Machines für steife PDEs mit scharfen Gradienten drastisch verbessert, indem er Radial-Basis-Funktionszentren autonom in Regionen mit hohem numerischem Fehler konzentriert, ohne dabei auf kostenintensive gradientenbasierte Optimierungen angewiesen zu sein.
Die Arbeit stellt AllScAIP vor, einen skalierbaren, auf All-to-All-Attention basierenden Machine-Learning-Interatomic-Potential-Ansatz, der durch einen rein datengetriebenen Mechanismus langreichweitige Wechselwirkungen präzise erfasst und dabei in großen Datenszenarien traditionelle physikalische Induktionsvoraussetzungen übertrifft.
Diese Arbeit stellt ein neuartiges, datengestütztes Simulationsframework vor, das durch die Integration physikalischer Verkehrsflüsse und sozialer Verhaltensreaktionen die vorausschauende Bewertung der direkten und indirekten Auswirkungen komplexer städtischer Verkehrsregulierungen ermöglicht.
Die Arbeit stellt FinRule-Bench vor, einen Benchmark, der die Fähigkeit von großen Sprachmodellen zur Diagnose von Verstößen gegen Rechnungslegungsprinzipien in realen Finanztabellen bewertet und dabei zeigt, dass die Leistung bei komplexen Aufgaben wie der Identifizierung mehrerer gleichzeitiger Verstöße deutlich nachlässt.
Dieser Beitrag entwickelt graphbasierte Indikatoren für die Kreislauffähigkeit thermodynamischer Materialnetzwerke, demonstriert deren Berechnung an numerischen Beispielen für Flüssig- und Feststoffe und stellt die zugehörige Quellcode-Implementierung öffentlich zur Verfügung.
Diese Studie entwickelt ein hochauflösendes, digitales Abbild der US-amerikanischen Ökosysteme aus Nutztieren, Wildvögeln und Menschen, um die Übertragungsrisiken von hochpathogenem aviärem Influenza (H5N1) zu modellieren und Risikohotspots für die Überwachung zu identifizieren.