🤖 machine learning

Periodic Topological Deep Learning for Polymer Design and Discovery

यह शोध पत्र Periodic-TDL प्रस्तुत करता है, जो एक गहरा शिक्षण (deep learning) ढांचा है जो पॉलिमर में many-body इंटरैक्शन को पकड़ने के लिए आवधिक Vietoris-Rips कॉम्प्लेक्स और पदानुक्रमित सिम्प्लिशियल मैसेज-पासिंग का लाभ उठाता है, जो न केवल गुण भविष्यवाणी (property prediction) में अत्याधुनिक मॉडलों से बेहतर प्रदर्शन करता है बल्कि प्रयोगों के माध्यम से सफलतापूर्वक यह भी प्रमाणित करता है कि विशिष्ट कार्यात्मक समूह प्रतिस्थापन (functional group substitutions) तापीय स्थिरता को महत्वपूर्ण रूप से बढ़ाते हैं।

Yasharth Yadav, Tze Kwang Gerald Er, Atsushi Goto, Kelin Xia2026-05-27
🤖 machine learning

MONA: Muon Optimizer with Nesterov Acceleration for Scalable Language Model Training

यह शोध पत्र MONA को प्रस्तुत करता है, जो एक नवीन ऑप्टिमाइज़र है जो तीव्र स्थानीय मिनिमा (sharp local minima) से बचने के लिए Muon फ्रेमवर्क में नेस्टरोव-शैली के त्वरण (Nesterov-style acceleration) को एकीकृत करता है और 1B से 68B पैरामीटर्स तक की भाषा मॉडलों (language models) में अत्याधुनिक अभिसरण (state-of-the-art convergence) और डाउनस्ट्रीम प्रदर्शन प्राप्त करता है।

Jiacheng Li, Jianchao Tan, Hongtao Xu, Jiaqi Zhang, Yifan Lu, Yerui Sun, Yuchen Xie, Xunliang Cai2026-05-27
🤖 machine learning

Not All Disagreement Is Learnable: Token Teachability in On-Policy Distillation

यह शोध पत्र 'टोकन टीचेबिलिटी' (Token Teachability) प्रस्तुत करता है, जो ऑन-पॉलिसी डिस्टिलेशन में सीखने योग्य और असंगत शिक्षक-छात्र मतभेदों के बीच अंतर करने वाला एक मीट्रिक है, और TA-OPD विधि का प्रस्ताव करता है जो बिना किसी बाहरी रिवॉर्ड मॉडल की आवश्यकता के, उच्च-टीचेबिलिटी वाले टोकन पर चुनिंदा रूप से प्रशिक्षण देकर छात्र के प्रदर्शन में महत्वपूर्ण सुधार करता है।

Yuanyi Wang, Su Lu, Yanggan Gu, Pengkai Wang, Yifan Yang, Zhaoyi Yan, Congkai Xie, Jianmin Wu, Hongxia Yang2026-05-27
🤖 machine learning

Learning Energy-Based Models from Stochastic Interpolants using Spatiotemporal Differences

यह शोध पत्र उन विफलता मोडों की पहचान करता है जो केवल स्थानिक या कालिक अंतरों पर निर्भर मौजूदा ऊर्जा-आधारित मॉडल प्रशिक्षण विधियों में मौजूद हैं, और स्पैटियोटेम्पोरल नॉइज़-कॉन्ट्रास्टिव एस्टीमेशन (stNCE) प्रस्तावित करता है, जो छवियों और अणुओं पर अत्याधुनिक घनत्व अनुमान प्रदर्शन प्राप्त करने के लिए संयुक्त स्थानिक-कालिक अंतरों का लाभ उठाने वाला एक एकीकृत ढांचा है।

Hanlin Yu, RuiKang OuYang, Partha Kaushik, Arto Klami, Michael U. Gutmann, Omar Chehab2026-05-27
🤖 machine learning

RAPNet: Accelerating Algebraic Multigrid with Learned Sparse Corrections

RAPNet एक ग्राफ न्यूरल नेटवर्क फ्रेमवर्क है जो सेटअप चरण के दौरान विरल (sparse), सुदृढ़ कोर्स-ग्रिड ऑपरेटर्स को उत्पन्न करना सीखकर अल्जेब्रिक मल्टीग्रिड सॉल्वर को त्वरित करता है, जो बड़े पैमाने की रैखिक प्रणालियों पर शास्त्रीय विधियों से बेहतर प्रदर्शन करने के लिए विरलता और अभिसरण गुणवत्ता के बीच पारंपरिक समझौते को प्रभावी ढंग से दूर करता है।

Yali Fink, Ido Ben-Yair, Lars Ruthotto, Eran Treister2026-05-27
🤖 machine learning

Generalist Graph Anomaly Detection via Prototype-Based Distillation

यह शोध पत्र ProMoS को प्रस्तुत करता है, जो पहला अनसुपरवाइज्ड (unsupervised) जनरलिटिस्ट ग्राफ विसंगति पहचान ढांचा (graph anomaly detection framework) है जो एक फ्रोजन सेल्फ-सुपरवाइज्ड टीचर से मिक्सचर-ऑफ-स्टूडेंट्स मॉडल तक प्रोटोटाइप-गाइडेड नॉलेज डिस्टिलेशन का लाभ उठाता है, जिससे बिना लेबल वाले डेटा के अनदेखे ग्राफ्स पर विसंगतियों का कुशल ज़ीरो-शॉट डिटेक्शन संभव हो पाता है।

Yiming Xu, Zihan Chen, Zhen Peng, Song Wang, Bin Shi, Bo Dong, Chao Shen2026-05-27
🤖 AI

Knowledge Graphs as the Missing Data Layer for LLM-Based Industrial Asset Operations

यह शोध पत्र यह प्रदर्शित करता है कि फ्लैट डॉक्यूमेंट स्टोर्स को एक स्ट्रक्चर्ड नॉलेज ग्राफ लेयर से बदलने से एलएलएम-आधारित औद्योगिक परिसंपत्ति संचालन की सटीकता 65% से बढ़कर लगभग पूर्ण सटीकता तक पहुँच जाती है, क्योंकि यह एलएलएम की भूमिका को कच्चे डेटा पर तर्क करने से बदलकर एक टाइप किए गए स्कीमा के विरुद्ध डिटरमिनिस्टिक क्वेरी जेनरेट करने में बदल देता है।

Madhulatha Mandarapu, Sandeep Kunkunuru2026-05-27
🤖 AI

On the Detection of Commutative Factors in Factor Graphs: Necessary and Sufficient Conditions

यह शोध पत्र यह सिद्ध करके कि मौजूदा केंद्रीय प्रमेय केवल एक आवश्यक, न कि पर्याप्त शर्त प्रदान करता है, फैक्टर ग्राफ में कम्यूटेटिव कारकों का पता लगाने वाले अत्याधुनिक एल्गोरिदम में एक मौलिक त्रुटि को सुधारता है, और तत्पश्चात एक सुधारा गया एल्गोरिदम प्रस्तुत करता है जो दक्षता और शुद्धता दोनों सुनिश्चित करता है।

Malte Luttermann, Ralf Möller, Marcel Gehrke2026-05-27
🤖 machine learning

EEG-FM-Audit: A Systematic Evaluation and Analysis Pipeline for EEG Foundation Models

यह शोध पत्र EEG-FM-Audit प्रस्तुत करता है, जो एक व्यवस्थित मूल्यांकन पाइपलाइन है जिसमें ASHA-संचालित बेंचमार्किंग, पैराडाइम-स्तरीय एब्लेशन और न्यूरोफिज़ियोलॉजिकल प्रोबिंग शामिल है ताकि EEG फाउंडेशन मॉडल्स में पारदर्शिता संबंधी समस्याओं को संबोधित किया जा सके, जो यह प्रकट करता है कि अनुकूलित सुपरवाइज्ड बेसलाइन्स अक्सर इन मॉडल्स से बेहतर प्रदर्शन करते हैं और उनके शारीरिक विशेषताओं (फिजियोलॉजिकल फीचर्स) पर निर्भरता के बारे में अधिक गहरी अंतर्दृष्टि प्रदान करते हैं।

Xianheng Wang, Yige Yang, Damien Coyle2026-05-27
🤖 machine learning

When Muon Optimizer Meets Adversarial Training: A Theoretical and Empirical Study

यह शोध पत्र एक सैद्धांतिक और अनुभवजन्य अध्ययन प्रस्तुत करता है जो यह प्रदर्शित करता है कि म्यूऑन (Muon) ऑप्टिमाइज़र, जो मैट्रिक्स-मान वाले अपडेट्स को ऑर्थोगोनलाइज़ (orthogonalize) करता है, स्पेक्ट्रल-नॉर्म स्थिरता (spectral-norm stability) लागू करके विविध आर्किटेक्चर और थ्रेट मॉडल्स में एडवर्सरियल ट्रेनिंग मजबूती को बढ़ाता है, जिससे ऑप्टिमाइज़र ज्योमेट्री को मॉडल सुरक्षा के एक महत्वपूर्ण कारक के रूप में स्थापित करता है।

Jun Yan, Weiquan Huang, Jiankai Zuo, Yujian Mo, Xi Fang, Chengliang Wu, Zeming Wei2026-05-27