660 पेपर
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 फाइन-प्रूनिंग (Fine-Pruning) को प्रस्तुत करता है, जो एक जैविक रूप से प्रेरित, लेबल-मुक्त एल्गोरिदम है जो मस्तिष्क की प्रूनिंग प्रक्रिया की नकल करता है ताकि महत्वपूर्ण रूप से कम कम्प्यूटेशनल संसाधनों के साथ उच्च स्पर्सिटी (sparsity) और बेहतर सटीकता प्राप्त करते हुए मशीन लर्निंग मॉडल्स को कुशलतापूर्वक व्यक्तिगत बनाया जा सके।
यह शोध पत्र P-NTM को प्रस्तुत करता है, जो कि न्यूरल ट्यूरिंग मशीन का एक समानांतर करने योग्य और सरल संस्करण है, जो स्कैन-आधारित समानांतर निष्पादन के माध्यम से प्रशिक्षण दक्षता में महत्वपूर्ण सुधार करते हुए मूल आर्किटेक्चर के तुलनीय लेंथ जनरलाइजेशन (length generalization) प्राप्त करता है।
यह शोध पत्र CORVET प्रस्तुत करता है, जो एक संसाधन-मितव्ययी (resource-frugal), रनटाइम-अनुकूली वेक्टर प्रोसेसिंग इंजन है जो एज एआई अनुप्रयोगों के लिए उच्च थ्रूपुट और ऊर्जा दक्षता प्राप्त करने हेतु CORDIC-आधारित मिश्रित-परिशुद्धता MAC इकाइयों और टाइम-मल्टीप्लेक्स निष्पादन का लाभ उठाता है, जो अत्याधुनिक समाधानों की तुलना में कंप्यूट घनत्व और बिजली बचत में महत्वपूर्ण सुधार प्रदर्शित करता है।
AdaEvolve एक पदानुक्रमित अनुकूलन ढांचा (hierarchical adaptive optimization framework) है जो स्थिर शेड्यूल्स को गतिशील, LLM-संचालित तंत्रों से बदल देता है ताकि अन्वेषण (exploration) को नियंत्रित किया जा सके, संसाधनों को रूट किया जा सके और नवीन रणनीतियाँ उत्पन्न की जा सकें, जिससे यह विविध ओपन-एंडेड ऑप्टिमाइज़ेशन समस्याओं में मौजूदा बेसलाइन्स की तुलना में काफी बेहतर प्रदर्शन करता है।
यह शोध पत्र एक नवीन बाल्डविनियन विकास ढांचे (Baldwinian evolution framework) का प्रस्ताव करता है जो कुशल शिक्षण के लिए उन्हें विकासवादी पूर्वाग्रहों (evolutionary biases) के साथ पूर्व-वायर्ड करके फिजिक्स-इन्फॉर्म्ड न्यूरल नेटवर्क्स (PINNs) की सामान्यीकरण क्षमता को बढ़ाता है, जिससे विविध भौतिक कार्यों में अत्याधुनिक मेटा-लर्निंग विधियों की तुलना में काफी अधिक सटीकता और कम कम्प्यूटेशनल लागत प्राप्त होती है।
यह शोध पत्र प्रशिक्षण गति, सटीकता और सामान्यीकरण में महत्वपूर्ण चुनौतियों से पार पाने के लिए फिज़िक्स-इन्फॉर्म्ड न्यूरल नेटवर्क (PINNs) के साथ ग्रेडिएंट-फ्री इवोल्यूशनरी एल्गोरिदम के एकीकरण की वकालत करता है, जिससे सुदृढ़ फिजिकल एआई (Physical AI) के विकास को बढ़ावा मिलता है।
यह शोध पत्र SiLIF को प्रस्तुत करता है, जो स्ट्रक्चर्ड स्टेट स्पेस मॉडल्स से प्रेरित एक नवीन स्पाइकिंग न्यूरॉन मॉडल है, जो स्थिर प्रशिक्षण, स्पीच रिकग्निशन कार्यों पर अत्याधुनिक प्रदर्शन और मौजूदा SSMs की तुलना में बेहतर कम्प्यूटेशनल दक्षता प्राप्त करने के लिए लर्नबल डिस्क्रीटाइजेशन, लॉगरिदमिक रीपैरामीट्राइजेशन और कॉम्प्लेक्स-स्टेट इनिशियलाइजेशन का लाभ उठाता है।
यह शोध पत्र मोरफी-नेट (Morephy-Net) का प्रस्ताव करता है, जो एक विकासवादी बहु-उद्देश्यीय अनुकूलन ढांचा है जो रेप्लिका-एक्सचेंज स्टोकेस्टिक ग्रेडिएंट लैंग्विन डायनेमिक्स और बायेसियन अनिश्चितता परिमाणीकरण को एकीकृत करता है ताकि एड हॉक लॉस वेटिंग को समाप्त करके और वैश्विक अन्वेषण को बढ़ाकर शोर वाले डेटा शासन में पैरामीट्रिक आंशिक अंतर समीकरणों को मजबूती से हल किया जा सके।
MIDAS एक नवीन डिफरेंशिएबल न्यूरल आर्किटेक्चर सर्च विधि है जो इनपुट-विशिष्ट, पैचवाइज सेल्फ-अटेंशन मैकेनिज्म और एक टोपोलॉजी-जागरूक सर्च स्पेस को पेश करके DARTS फ्रेमवर्क को उन्नत करती है ताकि कई बेंचमार्क में अत्याधुनिक प्रदर्शन और मजबूती प्राप्त की जा सके।