129 Arbeiten
Die Arbeit stellt ein kontinuierliches Zeit-Modell auf Basis von neuronalen Verzögerungsdifferentialgleichungen vor, das mithilfe des Mori-Zwanzig-Formalismus und des Adjungierten-Verfahrens nicht-Markowsche Dynamiken aus teilweise beobachtbaren Daten lernt und dabei bestehende Methoden wie LSTMs und ANODEs übertrifft.
Diese Arbeit erweitert das etablierte Modell der perkutanen Vertebroplastik unter Verwendung der Theorie poröser Medien um nicht-isotherme Bedingungen und lokale thermische Nichtgleichgewichte, um den Einfluss der niedrigeren Zementtemperatur auf den Injektionsprozess in Wirbelknochen thermodynamisch konsistent abzubilden.
Diese Arbeit stellt ein erweiterter atomistischer Rahmen vor, der die viskoelastische Antwort von glasartigen Polymeren wie PMMA über zwanzig Frequenzzehner hinweg durch eine nicht-affine Verformungstheorie mit einem zeitabhängigen Gedächtniskern erfolgreich beschreibt und dabei eine quantitative Übereinstimmung mit einer Vielzahl experimenteller und simulativer Methoden von Terahertz bis Millihertz nachweist.
Diese Arbeit stellt einen neuen Monte-Carlo-Algorithmus für zeitabhängige Teilchentransportprobleme vor, der eine globale Varianzreduktion durch automatische Gewichts-Fenster erreicht, deren Parameter auf der Lösung eines hybriden Monte-Carlo/deterministischen Hilfsproblems basieren, das durch die niedrigstufigen Gleichungen für das zweite Moment (LOSM) unter Verwendung von Filtertechniken zur Rauschunterdrückung gelöst wird.
Die Arbeit stellt den SAP-X2C-Ansatz vor, eine kostengünstige und technisch einfache zweikomponentige relativistische Hamilton-Funktion, die durch die Modellierung von Zwei-Elektronen-Bildwechsel-Effekten eine hohe Genauigkeit und eine wohldefinierte thermodynamische Grenze für ausgedehnte Systeme erreicht.
Die Autoren stellen einen effizienten Einweg-Schießalgorithmus für das Transition Path Sampling vor, der durch die Kombination von immer reaktiven Trajektorien und einer Korrektur-Neugewichtung jede vorgeschlagene Bahn akzeptiert und so die Untersuchung der Bildung von CO₂-Klätrath-Hydraten unter schwer zugänglichen Bedingungen ermöglicht.
Die Studie stellt einen multitask-Surrogatmodell für Neutronenstern-Zustandsgleichungen vor, das mittels Mondrian-konformer Vorhersage verteilungsfreie, zertifizierte Unsicherheiten für physikalisch konsistente Vorhersagen von Masse, Radius und Gezeitenverformbarkeit liefert.
Diese Studie zeigt, dass der Fourier-Neural-Operator (FNO) im Vergleich zu herkömmlichen CFD-Methoden und anderen neuronalen Architekturen wie U-Net und Autoencodern eine deutlich schnellere und genauere Vorhersage von Strömungen durch poröse Medien ermöglicht, was ihn besonders für die Topologieoptimierung von Kühlplatten geeignet macht.
Diese Studie kombiniert maschinelles Lernen mit hochpräzisen Coupled-Cluster-Rechnungen (CCSD(T)), um die freie Energie der Ionenpaarbildung von CaCO₃ in wässriger Lösung quantitativ genau zu bestimmen und damit experimentelle Ergebnisse erfolgreich zu reproduzieren.
Die Studie zeigt, dass Ising-Maschinen auf Basis von Oszillatoren aufgrund ihrer konfigurierungsabhängigen Stabilitätseigenschaften und der gezielten Destabilisierung höherer Energiezustände konsistent bessere Lösungen für kombinatorische Optimierungsprobleme liefern als solche auf Basis bistabiler Latches, deren Stabilität unabhängig von der Spin-Konfiguration ist.
Diese Studie stellt ein physik-informiertes neuronales Operator-Modell (PINO) vor, das die Retention-Analyse von ferroelektrischen vertikalen NAND-Speichern um mehr als das 10.000-fache im Vergleich zu herkömmlichen TCAD-Simulationen beschleunigt, indem es physikalische Prinzipien in die Lernarchitektur integriert, um die komplexe Wechselwirkung zwischen Ladungsentfesselung und ferroelektrischer Depolarisation effizient zu modellieren.
Die Studie demonstriert, dass das maschinelle Lernen der zwei-Elektronen-reduzierten Dichtematrix (2-RDM) eine hochpräzise, trainingsfreie Methode bietet, um korrelierte elektronische Strukturen und Kräfte für große Moleküle und kondensierte Phasen (wie Glukose in 500 Wassermolekülen) mit Coupled-Cluster-Qualität bei Hartree-Fock-Kosten vorherzusagen.
Diese Arbeit stellt einen GPU-beschleunigten, transienten EM-Thermisch-Mechanischen Kopplungslöser vor, der durch die Auflösung feinkörniger dynamischer Effekte ohne Homogenisierung eine physikalisch präzise Frühphasen-Simulation fortschrittlicher Package-Designs ermöglicht und so versteckte Ausfallmechanismen aufdeckt, die herkömmliche Methoden übersehen.
Die Arbeit stellt ein halb-analytisches Pseudospektralverfahren mit exponentiellen Zeitdifferenzierungsschemata vor, das die numerische Stabilität bei der Simulation von rotierenden, geschichteten Strömungen in unbeschränkten zylindrischen Domänen durch die analytische Integration der linearen Operatoren und die Beseitigung steifer Zeitschrittbeschränkungen ermöglicht.
Diese Arbeit stellt ein geometrisches Framework für kovariante multi-skalige negative Kopplungssysteme vor, das durch spektrale Energieumverteilung auf Riemannschen Mannigfaltigkeiten die Dimensionalität von Attraktoren in dissipativen unendlichdimensionalen Systemen bewahrt und deren Stabilität sowie endliche Dimensionalität sowohl theoretisch als auch numerisch nachweist.
Der Artikel stellt „paces" vor, eine effiziente, von Grund auf für GPUs parallelisierte Methode zur Berechnung der Quantendynamik, die durch die Verwendung eines sich mit dem Zustand entwickelnden, eingeschränkten Teilraums des Hilbertraums eine exakte Zeitentwicklung für beliebige sparse Hamilton-Operatoren ermöglicht.
Die vorgestellte Arbeit entwickelt ein allgemeines und erweiterbares numerisches Framework, das durch eine präzise Schnittstellenrekonstruktion und einen konservativen Fluss-Mapping-Algorithmus eine konsistente und fehlerarme Datenübertragung zwischen diskreten Multiphysik-Domänen ermöglicht.
Diese Arbeit stellt die Taguchi-Methode als effizientes Werkzeug zur Optimierung der nichtlinearen Pulsausbreitung in optischen Fasern vor, das durch den Einsatz orthogonaler Arrays und eine starke Ausbeutung der Suchräume eine schnelle Konvergenz zu gewünschten Pulsparametern ermöglicht, was an Beispielen wie dem Führungszentrum-Soliton und der Solitonordnungserhaltung in dispersiv abnehmenden Fasern demonstriert wird.
Diese Studie entwickelt und analysiert Mixture-of-Experts-Architekturen für maschinelle Lernpotenziale, die durch spärliche Aktivierung und elementweise Routing-Strategien nicht nur eine state-of-the-art Genauigkeit auf mehreren Benchmarks erreichen, sondern auch chemisch interpretierbare Spezialisierungen der Experten aufzeigen.
Die Studie stellt ein mikroskopisches Rahmenwerk für nicht-Markovsche Phononendynamik unter THz-Anregung vor, das mittels Molekulardynamik-Simulationen die Wärmeentwicklung quantifiziert und zeigt, wie thermodynamische Größen direkt aus der Dynamik einzelner Phononenmoden abgeleitet werden können.