64 articoli
Questo studio presenta un chatbot basato sul modello linguistico Google Gemini 2.0 Flash che automatizza la generazione e la risoluzione di modelli di simulazione elettromagnetica bidimensionali tramite Gmsh e GetDP, riducendo significativamente i tempi di configurazione e offrendo funzionalità avanzate per la definizione di geometrie e post-processing.
Il paper introduce EPIC, un framework di apprendimento automatico scientifico distribuito che, combinando guida hardware e fisica, riduce drasticamente latenza e consumo energetico mantenendo l'accuratezza fisica attraverso la trasmissione di caratteristiche latenti compatte invece dei dati grezzi.
Il paper presenta ToolRosetta, un framework unificato che automatizza la conversione di repository di codice open-source in strumenti MCP compatibili per agenti LLM, riducendo lo sforzo umano e migliorando le prestazioni dei task attraverso un'ispezione di sicurezza integrata.
Il paper costruisce un funtore che assegna una dinamica a un modello algebrico di componenti interagenti, generalizzando il modello computazionale AlChemy di Fontana e Buss e proponendo l'uso della teoria delle categorie come strumento organizzativo per formalizzare la connessione tra gli aspetti algebrici e dinamici di tali modelli.
Questo articolo presenta un filtro di Kalman d'insieme regolarizzato che integra dati sensoriali per aggiornare lo stato di modelli di campo di fase per la frattura fragile, permettendo di inferire sia il campo di spostamento che il campo di fase attraverso un approccio bayesiano che garantisce la coerenza con le assunzioni del modello.
Questo articolo propone un metodo di ottimizzazione topologica a spessore variabile che, combinando penalizzazione SIMP e una nuova proiezione informata dal gradiente di densità, elimina efficacemente le regioni a spessore ridotto e ripristina bordi strutturali nitidi senza compromettere la rigidità finale della struttura.
Il paper propone un algoritmo basato su loop per la pianificazione e il routing online senza conflitti di veicoli guidati automatici (AGV) in grafi a loop, dimostrando sperimentalmente che esso supera o eguaglia le prestazioni di metodi esatti ed euristiche in termini di qualità della soluzione e tempo di calcolo.
Questo paper presenta un framework di rilevamento delle anomalie finanziarie spiegabile che utilizza un routing adattivo tra esperti specializzati per identificare i meccanismi causali specifici (come shock dei prezzi o crisi di liquidità) e fornire allarmi di mercato tempestivi e interpretabili, superando i limiti dei modelli tradizionali basati su grafi statici.
Questo articolo presenta una tassonomia e una guida pratica per la selezione di metodi di differenziazione numerica robusti al rumore, accompagnata dal rilascio del pacchetto Python open-source PyNumDiff.
Questo studio propone l'applicazione dell'Analisi di Fusione Combinatoria (CFA) per prevedere il prezzo del Bitcoin, ottenendo una performance superiore rispetto ai singoli modelli e ad altre tecniche esistenti grazie a una combinazione di punteggi e ranghi che riduce l'errore medio percentuale (MAPE) allo 0,19%.
Questo studio valuta l'impatto dell'analisi del sentiment delle notizie tramite LLM (DeBERTa, RoBERTa e FinBERT) sulla previsione dei movimenti dei prezzi azionari, dimostrando che DeBERTa raggiunge il 75% di accuratezza, un modello ensemble arriva all'80% e le feature di sentiment offrono un lieve vantaggio a vari modelli di classificazione e regressione.
HarmonyCell è un framework di agenti end-to-end che automatizza la modellazione delle perturbazioni delle cellule singole risolvendo l'eterogeneità semantica tramite un unificatore guidato da LLM e l'eterogeneità statistica mediante una ricerca adattiva ad albero Monte Carlo, ottenendo prestazioni superiori ai metodi esistenti in scenari con spostamenti distribuzionali e semantici.
Questo studio presenta un framework di machine learning che utilizza l'Operatore di Fourier (FNO) per prevedere in modo efficiente e accurato il flusso stazionario attraverso mezzi porosi, superando i metodi CFD tradizionali in termini di velocità e adattabilità all'ottimizzazione topologica.
Questo lavoro presenta un approccio computazionale che combina elementi finiti e reti neurali fisicamente consistenti per risolvere problemi di elasticità di Cosserat, integrando criteri di stabilità energetica basati su condizioni di convessità per validare le soluzioni apprese.
Questo lavoro presenta un solver accoppiato elettromagnetico-termico-meccanico accelerato da GPU che consente simulazioni transienti in scala reale per il design precoce di pacchetti avanzati, superando i limiti delle approssimazioni stazionarie per identificare meccanismi di guasto altrimenti invisibili.
Il paper presenta "Agora", una piattaforma basata sull'intelligenza artificiale che utilizza voci umane autentiche per insegnare la capacità di trovare consenso su questioni politiche, dimostrando in uno studio preliminare che l'accesso a spiegazioni vocali migliora le abilità di problem solving e la qualità delle dichiarazioni di consenso rispetto alla sola visualizzazione di dati aggregati.
Il paper presenta Tau-BNO, un surrogato basato su operatori neurali che accelera drasticamente la simulazione del modello di trasporto tau (NTM) mantenendo alta accuratezza, superando i limiti computazionali dei modelli esistenti e consentendo nuove scoperte meccanicistiche sulla progressione delle tauopatie.
Questo studio propone un metodo di rilevamento dei pregiudizi nei modelli linguistici finanziari più efficiente e meno costoso, dimostrando che l'analisi incrociata tra diversi modelli permette di identificare fino al 73% dei comportamenti distorti utilizzando solo il 20% delle coppie di input necessarie per i metodi tradizionali.
Questo studio dimostra che un framework basato su LLM, che estrae span testuali contestuali e misura le variazioni semantiche nelle disclosure aziendali, supera i metodi tradizionali basati su NER, generando un alpha aggiustato per il rischio più che doppio e una maggiore capacità predittiva.
Il paper introduce CostNav, il primo benchmark fisico-economico che valuta l'efficienza commerciale degli agenti di navigazione fisica integrando dati finanziari e medici reali, rivelando che le attuali strategie di successo del task non garantiscono la sostenibilità economica necessaria per il dispiegamento commerciale.