608 पेपर
यह शोध पत्र RefusalGuard प्रस्तुत करता है, जो एक ज्योमेट्री-प्रिजर्विंग (ज्यामिति-संरक्षण) फाइन-ट्यूनिंग फ्रेमवर्क है जो सुरक्षा-प्रासंगिक संरचनाओं के विरूपण को रोकने के लिए हिडन रिप्रेजेंटेशन स्पेस में अपडेट को बाधित करके भाषा मॉडलों में सुरक्षा क्षरण को कम करता है और साथ ही कार्य प्रदर्शन को बनाए रखता है।
यह शोध पत्र प्रदर्शित करता है कि जब 150 एनोटेटेड हत्या के मामलों के एक क्यूरेटेड डेटासेट पर कॉज़ल डिस्कवरी एल्गोरिदम लागू किए जाते हैं, तो वे व्यवहार्य कानूनी तर्कों के स्वचालित निर्माण में सहायता करने के लिए कानूनी अवधारणाओं के बीच संभाव्य कारण संबंधी संबंधों को सफलतापूर्वक उजागर कर सकते हैं।
प्रोटियो-R1 (Proteo-R1) एक द्वि-विशेषज्ञ ढांचा (dual-expert framework) है जो आणविक तर्क (molecular reasoning) को ज्यामितीय पीढ़ी (geometric generation) से स्पष्ट रूप से अलग करके *de novo* प्रोटीन डिज़ाइन को बढ़ाता है, जिसमें एक मल्टीमॉडल लैंग्वेज मॉडल का उपयोग महत्वपूर्ण कार्यात्मक अवशेषों (functional residues) की पहचान करने के लिए हार्ड कंस्ट्रेंट्स (hard constraints) के रूप में किया जाता है ताकि एक डिफ्यूजन-आधारित जनरेटर के माध्यम से स्थिर, व्याख्या योग्य और नियंत्रणीय डिज़ाइन परिणाम सुनिश्चित किए जा सकें।
यह अध्ययन सुपरसोनिक स्थितियों के तहत हाइड्रोजन-ईंधन वाले ओपन-साइकिल मैग्नेटोहाइड्रोडायनामिक जनरेटरों के प्रदर्शन की जांच करता है, जो यह प्रकट करता है कि सीज़ियम सीडिंग के साथ कम दबाव (लगभग 0.1 atm) पर संचालित करके 1000 MW/m³ से अधिक का असाधारण शक्ति घनत्व प्राप्त किया जा सकता है।
यह शोध पत्र एक हाइब्रिड भौतिकी-आधारित और डेटा-संचालित मॉडलिंग ढांचे को प्रस्तुत करता है, जो रोबोटिक 3D प्रिंटिंग के दौरान निरंतर फाइबर थर्मोप्लास्टिक फीडस्टॉक विरूपण (deformation) की सटीक भविष्यवाणी और सत्यापन करने के लिए केल्विन-वोइग्ट विस्कोइलास्टिसिटी को स्टेबलाइज्ड न्यूरल ODEs के साथ जोड़ता है, जो प्रशिक्षण तापमान श्रेणियों से परे मजबूत सामान्यीकरण का प्रदर्शन करता है।
AirLift एक नवीन, उच्च-गति वाला रीड रीमैपिंग टूल है जो समान संदर्भ जीनोमों के बीच संरेखण (alignments) को कुशलतापूर्वक स्थानांतरित करता है, जो डाउनस्ट्रीम वेरिएंट कॉलिंग के लिए उच्च सटीकता बनाए रखते हुए पूर्ण री-मैपिंग की तुलना में निष्पादन समय में 27.4x तक की कमी प्राप्त करता है।
यह शोधपत्र प्रदर्शित करता है कि अनिलैटरल मेम्ब्रेन संरचनाओं के फॉर्म-फाइंडिंग के लिए फिजिक्स-इन्फॉर्म्ड न्यूरल नेटवर्क्स (PINNs), पारंपरिक फाइनाइट एलीमेंट मेथड्स के एक व्यवहार्य विकल्प के रूप में कार्य करते हैं, जिसमें हार्ड-बाउंड्री कंडीशन फॉर्मूलेशन, सॉफ्ट-बाउंड्री दृष्टिकोण की तुलना में सटीकता और रेसिडुअल स्मूथनेस में श्रेष्ठ सिद्ध होता है।
यह शोध पत्र एक हाइब्रिड कंडिशनिंग डिफ्यूजन ट्रांसफॉर्मर फ्रेमवर्क प्रस्तुत करता है जो निकट-इष्टतम (near-optimal) संरचनात्मक टोपोलॉजी को सेकंडों में 1% से कम कंप्लायंस त्रुटि के साथ उत्पन्न करने के लिए संयोजित स्ट्रेस-स्ट्रेन क्षेत्रों और वैश्विक स्केलर डिस्क्रिप्टर्स का लाभ उठाता है, जो पारंपरिक पुनरावृत्ति परिमित तत्व-आधारित (finite element-based) अनुकूलन विधियों के लिए एक अत्यधिक कुशल, वास्तविक समय का विकल्प प्रदान करता है।
यह अध्ययन प्रदर्शित करता है कि क्वांटम-उन्नत हाइब्रिड आर्किटेक्चर, विशेष रूप से एम्प्लीट्यूड एनकोडिंग का उपयोग करने वाले क्वांटम एलएसटीएम (Quantum LSTM) और क्वांटम रिज़र्वोयर कंप्यूटिंग, वित्तीय समय-श्रृंखला पूर्वानुमान में शास्त्रीय बेसलाइन के बराबर या मामूली रूप से बेहतर प्रदर्शन कर सकते हैं, विशेष रूप से सहसंबंधित इनपुट वाले बहुभिन्नरूपी (multivariate) परिदृश्यों में।
D-Flow एक नवीन मल्टी-मोडैलिटी फ्लो मैचिंग फ्रेमवर्क है जो उच्च-गुणवत्ता वाले, रिसेप्टर-कंडीशन्ड डी-नोवो डी-पेप्टाइड डिजाइन को सक्षम करने के लिए प्रोटीन लैंग्वेज मॉडल्स को एक मिरर-इमेज स्ट्रक्चरल एल्गोरिदम के साथ एकीकृत करके डी-पेप्टाइड प्रशिक्षण डेटा की कमी को दूर करता है।