608 पेपर
OneComp एक ओपन-सोर्स फ्रेमवर्क है जो जनरेटिव एआई मॉडल्स के जटिल पोस्ट-ट्रेनिंग कंप्रेशन को एक पुनरुत्पादनीय (reproducible), हार्डवेयर-अवेयर पाइपलाइन में स्वचालित करता है, जो एल्गोरिद्मिक नवाचार और कुशल प्रोडक्शन डिप्लॉयमेंट के बीच के अंतर को पाटने के लिए प्रोग्रेसिव मिक्स्ड-प्रिसिजन क्वांटाइजेशन को सक्षम बनाता है।
यह शोध पत्र एक नवीन अनफिटेड (unfitted) परिमित तत्व ढांचे (finite element framework) को प्रस्तुत करता है जो स्थिर कार्टेशियन ग्रिडों पर ट्रेस और एग्रीगेटेड परिमित तत्व विधियों को जोड़ता है ताकि विकृत जंतु कोशिकाओं में युग्मित सतह-बल्क श्यान प्रवाह (surface-bulk viscous flows) और यांत्रिक-रासायनिक फीडबैक का सटीक रूप से अनुकरण किया जा सके, जिससे पुनर्गणना (remeshing) की आवश्यकता के बिना कोशिका विभाजन और प्रवासन जैसी जटिल रूपात्मक प्रक्रियाओं (morphogenetic processes) का अध्ययन सक्षम हो सके।
यह शोध पत्र SCALE-TRACK को प्रस्तुत करता है, जो एक ओपन-सोर्स, एसिंक्रोनस ऑयलर-लैग्रेंज (Euler-Lagrange) पार्टिकल ट्रैकिंग एल्गोरिदम है जिसे विषम एक्सस्केल आर्किटेक्चर के लिए डिज़ाइन किया गया है, जो सटीकता और दक्षता बनाए रखते हुए 256 GPU पर 256 बिलियन कणों तक का सफलतापूर्वक अनुकरण करके अभूतपूर्व स्केलेबिलिटी प्राप्त करता है।
यह शोध पत्र एक रिड्यूस्ड-ऑर्डर सिमुलेशन विधि प्रस्तावित करता है जो विस्तृत सिमुलेशन के तुलनीय सटीकता बनाए रखते हुए, बड़े पैमाने के, व्यावहारिक माइक्रोफ्लुइडिक फ्यूल सेल स्टैक के डिज़ाइन को कुशलतापूर्वक मॉडल करने और सक्षम बनाने के लिए पारंपरिक CFD की कम्प्यूटेशनल सीमाओं को दूर करता है।
यह शोध पत्र HISS को प्रस्तुत करता है, जो एक पदानुक्रमित संरचना खोज एल्गोरिदम (hierarchical structure search algorithm) है जो उच्च-आयामी डेटा के लिए टेंसर नेटवर्क संरचनाओं और इंडेक्स रिशेपिंग को स्वचालित रूप से अनुकूलित करता है, जिससे आयामीता के साथ बहुपद स्केलिंग (polynomial scaling) बनाए रखते हुए स्थिर स्वरूपों की तुलना में काफी अधिक संपीड़न अनुपात और बेहतर सामान्यीकरण प्राप्त होता है।
यह शोध पत्र एक स्व-संगठित स्कोर-आधारित डेटा आत्मसातकरण (Score-based Data Assimilation) ढांचे का प्रस्ताव करता है जो उच्च-आयामी, गैर-रेखीय अवस्था-स्थान मॉडल (state-space models) में गुप्त अवस्थाओं और अज्ञात मापदंडों को संयुक्त रूप से अनुमानित करने के लिए डिफ्यूजन मॉडलों की क्षमताओं का विस्तार करता है, जो तंत्रिका विज्ञान से लेकर वायुमंडलीय विज्ञान तक के अनुप्रयोगों में प्रभावशीलता प्रदर्शित करता है।
यह शोध पत्र एक कुशल, ओपन-सोर्स फ्रेमवर्क प्रस्तुत करता है जो मिलिंग ऑपरेशंस के लिए उच्च-सटीक सिंथेटिक 3D सतह टोपोग्राफी और रफनेस डेटा उत्पन्न करने के लिए एक अनुकूलित फॉरवर्ड सॉल्यूशन विधि का उपयोग करता है, जिससे डेटा-संचालित विनिर्माण अनुसंधान को समर्थन देने के लिए सटीकता बनाए रखते हुए 42.2x कम्प्यूटेशनल गति वृद्धि प्राप्त होती है।
यह शोध पत्र एक भौतिकी-आधारित न्यूरल नेटवर्क ढांचे को प्रस्तुत करता है जो पूर्णतः युग्मित थर्मोमैकेनिक्स (thermomechanics) के लिए निर्माणत्मक मॉडल (constitutive models) सीखने हेतु इनपुट उत्तल न्यूरल नेटवर्क (input convex neural networks) का उपयोग करता है, जो आंतरिक ऊर्जा और अपव्यय क्षमता (dissipation potential) को विरूपण (deformation) और एंट्रॉपी के रूप में निरूपित करके एंट्रॉपी डेटा की आवश्यकता के बिना ऊष्मप्रवैगिकी स्वीकार्यता (thermodynamic admissibility) और वस्तुनिष्ठता सुनिश्चित करता है।
यह शोध पत्र ADCIRC मॉडल से उच्च-रिज़ॉल्यूशन वाले पीक स्टॉर्म सर्ज (तूफानी लहरों) के सिमुलेशन का सबसे बड़ा वैश्विक डेटासेट और एक संगत कंप्यूटर विज़न-आधारित मशीन लर्निंग सरोगेट पेश करता है जो दुनिया भर के विविध भौगोलिक क्षेत्रों में सटीक और गणनात्मक रूप से कुशल स्टॉर्म सर्ज भविष्यवाणियों को सक्षम बनाता है।
यह शोध पत्र इनपुट स्पेस को स्थानीय उप-डोमेन में विभाजित करके और लैग्रेंज या ऑगमेंटेड लैग्रेंज विधियों के माध्यम से इंटरफ़ेस बाधाओं को लागू करके बड़े न्यूरल नेटवर्क सरोगेट मॉडल को प्रशिक्षित करने के लिए एक डोमेन डिकंपोजिशन फ्रेमवर्क का प्रस्ताव करता है, जो यह प्रदर्शित करता है कि ऑगमेंटेड लैग्रेंज दृष्टिकोण उच्च सटीकता बनाए रखते हुए बड़े पैमाने की समस्याओं के लिए बेहतर स्केलेबिलिटी और तेज़ अभिसरण (कन्वर्जेंस) प्रदान करता है।