615 पेपर
यह शोध पत्र कैपेसिटर डिज़ाइन में इनवर्स प्रेडिक्शन (inverse prediction) की चुनौती को संबोधित करते हुए यह प्रदर्शित करता है कि डीप जेनरेटिव मॉडल इलेक्ट्रोस्टैटिक फील्ड सिमुलेशन से गतिशील इनपुट मापदंडों का प्रभावी ढंग से और सटीक रूप से पूर्वानुमान लगा सकते हैं, जो दृश्य और मात्रात्मक दोनों रूप से मौजूदा बेसलाइन से बेहतर प्रदर्शन करते हैं।
यह शोध पत्र एक व्याख्यात्मक बेयसियन ढांचे (Bayesian framework) का प्रस्ताव करता है जो मॉडल अपर्याप्तता पद (model inadequacy term) को समाहित करता है ताकि मॉडल रूप अनिश्चितता और मापन शोर को मजबूती से परिमाणित और प्रसारित किया जा सके, जिससे एक क्षणिक तापीय सिमुलेशन (transient thermal simulation) के माध्यम से प्रदर्शित होता हुआ, अनपेक्षित मात्राओं के अनुमानों की विश्वसनीयता में सुधार किया जा सके।
यह शोध पत्र एक हाइब्रिड फ्रेमवर्क प्रस्तुत करता है जो सटीक रूप से 2D ड्राइंग एनोटेशन को 3D CAD फीचर्स में मैप करने के लिए डिटरमिनिस्टिक, कॉन्टेक्स्ट-अवेयर स्कोरिंग को LLM-असिस्टेड रीजनिंग और ह्यूमन-इन-द-लूप रिव्यू के साथ जोड़ता है, जिससे उन उद्योगों में विनिर्माण स्वचालन (मैन्युफैक्चरिंग ऑटोमेशन) के लिए उच्च परिशुद्धता और रिकॉल प्राप्त होता है जहाँ 2D ड्राइंग डिज़ाइन इंटेंट का प्राथमिक स्रोत बनी हुई हैं।
यह शोध पत्र MOSFET हीट सिंक के लिए कूलेंट वेग (coolant velocity) के आकलन की दुर्बल प्रतिलोम समस्या (ill-posed inverse problem) को हल करने के लिए एक अनुक्रमिक प्रशिक्षण एल्गोरिदम वाली एक फिजिक्स इन्फॉर्म्ड न्यूरल नेटवर्क (PINN) कार्यप्रणाली प्रस्तावित करता है, जो सैद्धांतिक अभिसरण और प्रायोगिक परिणामों के साथ मजबूत सहमति प्रदर्शित करता है।
यह शोध पत्र GA-Field का प्रस्ताव करता है, जो एक नवीन डीप लर्निंग नेटवर्क है जो मौजूदा वन-शॉट मैपिंग दृष्टिकोणों की सीमाओं को दूर करने के लिए पुनरावृत्ति वैश्विक ज्यामिति कंडीशनिंग और एक मोटे-से-सूक्ष्म (coarse-to-fine) परिशोधन रणनीति को एकीकृत करके वाहन एरोडायनामिक क्षेत्र के पूर्वानुमान को बढ़ाता है ताकि अत्याधुनिक सटीकता और सामान्यीकरण प्राप्त किया जा सके।
यह शोध पत्र एजेंटिक कौशल (agentic skills) पर एक व्यापक ज्ञान का व्यवस्थितकरण (Systematization of Knowledge - SoK) प्रस्तुत करता है, जो उनके डिज़ाइन और प्रतिनिधित्व के लिए दोहरी वर्गीकरण प्रणालियों (dual taxonomies) को पेश करता है, क्लॉहैवक (ClawHavoc) अभियान द्वारा स्पष्ट किए गए महत्वपूर्ण सुरक्षा जोखिमों का विश्लेषण करता है, और भविष्य की चुनौतियों को रेखांकित करने के लिए एजेंट विश्वसनीयता पर उनके प्रभाव का मूल्यांकन करता है ताकि सुदृढ़, सत्यापन योग्य स्वायत्त प्रणालियों का मार्ग प्रशस्त किया जा सके।
यह शोध पत्र क्वांटफॉर्मर (Quantformer) को प्रस्तुत करता है, जो सेंटीमेंट एनालिसिस से ट्रांसफर लर्निंग द्वारा संवर्धित एक ट्रांसफॉर्मर-आधारित न्यूरल नेटवर्क है, जो चीनी पूंजी बाजार के भीतर स्टॉक रिटर्न की भविष्यवाणी करने में पारंपरिक 100-कारक रणनीतियों से बेहतर प्रदर्शन करने के लिए लंबी दूरी की निर्भरताओं और बाजार संकेतों को प्रभावी ढंग से कैप्चर करता है।
यह शोध पत्र एक रोबस्ट क्रॉस-वैलिडेशन (RCV) फ्रेमवर्क प्रस्तावित करता है, जिसमें नवीन RCV-VarLiNGAM और RCV-PCMCI एल्गोरिदम शामिल हैं, ताकि टाइम सीरीज़ कॉज़ल डिस्कवरी में शोर (noise) और जटिलता की चुनौतियों को प्रभावी ढंग से संबोधित करके एजेंट-बेस्ड मॉडल वैलिडेशन की सटीकता और विश्वसनीयता को बढ़ाया जा सके।
यह शोध पत्र फिजिक्स-बेस्ड फ्लो मैचिंग (PBFM) को प्रस्तुत करता है, जो एक नवीन जनरेटिव मॉडलिंग फ्रेमवर्क है जो संघर्ष-मुक्त ग्रेडिएंट अपडेट के माध्यम से प्रशिक्षण के दौरान भौतिक बाधाओं को लागू करके भौतिक निरंतरता और वितरण सटीकता के बीच के समझौते को हल करता है, जिससे अनुमान गति (inference speed) से समझौता किए बिना या मैन्युअल लॉस बैलेंसिंग की आवश्यकता के बिना पारेटो-ऑप्टिमल प्रदर्शन प्राप्त होता है।
AdaPert एक नवीन ढांचा है जो जैविक ज्ञान ग्राफों से विक्षोभ-विशिष्ट उप-ग्राफ (perturbation-specific subgraphs) सीखकर और मीन कोलैप्स (mean collapse) को दूर करने तथा वास्तविक संकेतों को प्रयोगात्मक शोर से अलग करने के लिए अनुकूली शिक्षण (adaptive learning) लागू करके सुदृढ़ ट्रांसक्रिप्शनल प्रतिक्रिया भविष्यवाणी को बढ़ाता है।