608 पेपर
यह शोध पत्र एजेंटिक रिस्क स्टैंडर्ड (ARS) का प्रस्ताव करता है, जो एक वित्तीय अंडरराइटिंग से प्रेरित ढांचा है जो स्वायत्त एआई एजेंटों में विश्वास को मॉडल की अंतर्निहित विश्वसनीयता से हटाकर स्पष्ट, संविदात्मक रूप से लागू करने योग्य उत्पाद गारंटी की ओर स्थानांतरित करता है, जो निष्पादन विफलताओं और अनपेक्षित परिणामों के लिए पूर्व-निर्धारित मुआवजा प्रदान करता है।
यह शोध पत्र HQ-LP-FNO प्रस्तुत करता है, जो एक हाइब्रिड क्वांटम-क्लासिकल फूरियर न्यूरल ऑपरेटर है जो तीन-आयामी लेजर प्रोसेसिंग सरोगेट मॉडलिंग के लिए क्लासिकल बेसलाइन की तुलना में प्रेडिक्शन सटीकता में सुधार करने और प्रशिक्षित पैरामीटर्स को 15.6% तक कम करने के लिए एक कॉम्पैक्ट वेरिएशनल क्वांटम सर्किट मिक्सर का उपयोग करता है।
यह शोध पत्र 2.2 मिलियन इमारतों पर प्रशिक्षित एक कंडीशनल टैबुलर डिफ्यूजन मॉडल का प्रस्ताव करता है ताकि आंशिक डेटा से यथार्थवादी, पूर्ण इमारत विशेषताओं को उत्पन्न किया जा सके, जिससे डेटा की कमी को दूर किया जा सके और शहरी ऊर्जा मॉडलिंग वर्कफ़्लो की सटीकता में सुधार किया जा सके।
यह शोध पत्र एक ऑनलाइन, मशीन-लर्निंग-त्वरित बहु-रिज़ॉल्यूशन अनुकूलन ढांचे का प्रस्ताव करता है जो मॉडल रिज़ॉल्यूशन को अनुकूल रूप से शेड्यूल करके और हाई-फिडेलिटी समाधानों को वॉर्म-स्टार्ट करके एकीकृत ऊर्जा प्रणालियों में आर्किटेक्चरल डिज़ाइन और हाई-फिडेलिटी ऑपरेशन के बीच के प्रदर्शन अंतराल को प्रभावी ढंग से पाटता है, जिससे आर्किटेक्चर-टू-ऑपरेशन प्रदर्शन अंतराल और गणनात्मक लागत दोनों कम हो जाते हैं।
PI-JEPA मल्टीफिजिक्स रिज़र्वोइर सिमुलेशन के लिए एक लेबल-मुक्त प्रीट्रेनिंग फ्रेमवर्क पेश करता है जो ऑपरेटर-स्प्लिट PDE रेसिडुअल रेगुलराइजेशन के साथ अनलेबल पैरामीटर फील्ड्स पर मास्क्ड लेटेंट प्रेडिक्शन का लाभ उठाता है, जिससे न्यूनतम लेबल वाले डेटा के साथ उच्च-सटीक सरोगेट मॉडल सक्षम होते हैं।
यह शोध पत्र एक हाइब्रिड भौतिकी-आधारित न्यूरल सरोगेट फ्रेमवर्क प्रस्तुत करता है जो उच्च-सटीकता वाले 3D सिमुलेशन से 0D पैरामीटर्स को सीखने के लिए न्यूरल नेटवर्क का उपयोग करके कम्प्यूटेशनल रूप से कुशल 0D कार्डियोवैस्कुलर मॉडलों की सटीकता को बढ़ाता है, जिससे विविध शारीरिक समूहों में काफी कम त्रुटियों के साथ वास्तविक समय में, रोगी-विशिष्ट हेमोडायनामिक भविष्यवाणियां प्राप्त होती हैं।
यह शोध पत्र ज्यामितिक रूप से सटीक बीम सिद्धांत (geometrically exact beam theory) के भीतर एक बहुमुखी, विवरणात्मक रूप से सुसंगत बीम-टू-बीम पॉइंट कपलिंग फॉर्मूलेशन प्रस्तावित करता है जो विभिन्न फॉर्मूलेशन, विविक्तीकरण (discretizations) और अनिश्चित सापेक्ष विन्यासों वाले बीम के बीच परस्पर क्रियाओं को सटीक रूप से मॉडल करने के लिए सामान्यीकृत विरूपण मापों (generalized deformation measures) और लैग्रेंज मल्टीप्लायर्स का उपयोग करता है।
यह शोध पत्र एक नवीन फिजिक्स-इन्फॉर्म्ड न्यूरल नेटवर्क (PINN) ढांचे का प्रस्ताव करता है जो फ्रैक्टल-रफ माइक्रोचैनलों में अनस्टेडी फ्लूइड फ्लो को सटीक और कुशलतापूर्वक अनुमान लगाने के लिए स्पार्स लैटिस बोल्ट्ज़मैन मेथड (LBM) डेटा को नेवियर-स्टोक्स बाधाओं के साथ एकीकृत करता है, जिससे पारंपरिक CFD दृष्टिकोणों की तुलना में डेटा आवश्यकताओं में 150-200 गुना की कमी आती है।
यह शोध पत्र विद्वत जुपिटर नोटबुक (scholarly Jupyter notebooks) के लिए कंटेनरीकृत निष्पादन वातावरण (containerized execution environments) उत्पन्न करने हेतु एक स्वचालित पाइपलाइन प्रस्तुत करता है, जो यह प्रदर्शित करता है कि यद्यपि कंटेनरीकरण निर्भरता-संबंधी विफलताओं को काफी हद तक हल कर देता है, फिर भी निरंतर रनटाइम त्रुटियों और स्टोकेस्टिक अनिश्चितता (stochastic non-determinism) के कारण पूर्ण बिट-वाइज पुनरुत्पादकता (bit-wise reproducibility) प्राप्त करने के लिए अपर्याप्त बना हुआ है।
यह शोध पत्र एक नवीन स्मार्टफोन-आधारित प्रणाली को प्रदर्शित करता है जो सक्रिय कंपन संवेदन (active vibration sensing) और उन्नत सिग्नल प्रोसेसिंग के माध्यम से उनकी श्यानता (viscosity) को मापकर अज्ञात तरल पदार्थों की पहचान करती है, जो मशीन लर्निंग पर निर्भर किए बिना 30 प्रकार के तरल पदार्थों के बीच अंतर करने में 2.9% की औसत सापेक्ष त्रुटि और 95.47% सटीकता प्राप्त करती है।