63 articoli
Questo articolo presenta e convalida un assistente linguistico basato sul recupero di informazioni, progettato per supportare la valutazione della sicurezza e la conformità normativa dei sistemi di aeromobili senza equipaggio, garantendo tracciabilità e affidabilità attraverso l'uso esclusivo di fonti regolamentari autorevoli e citazioni verificabili.
Questo studio implementa un modello di diffusione condizionale per la previsione dei rendimenti azionari, rivelando che esiste un numero ottimale di fattori che bilancia il compromesso tra errore e varianza, permettendo di costruire portafogli con prestazioni fuori campione superiori rispetto alle strategie di base.
Questo lavoro presenta un metodo per stimare con precisione e basso costo il numero di condizione dei vettori filtrati di Chebyshev, implementando tale stima nella libreria ChASE per ottimizzare automaticamente la scelta dell'algoritmo di fattorizzazione QR e migliorare le prestazioni senza compromettere l'accuratezza.
Il paper propone una rete neurale a grafo con attenzione spaziotemporale (STA-GNN) per il rilevamento di anomalie spiegabili e adattivo nei sistemi di controllo industriale, integrando dati eterogenei e previsioni conformali per gestire il drift ambientale e ridurre i falsi positivi.
Questo lavoro presenta un atlante completo di metamateriali simmetrici cubici, basato su un database di 1,95 milioni di celle unitarie e un modello di rete neurale convoluzionale tridimensionale, che permette la scoperta accelerata di strutture architettate con proprietà meccaniche estreme come alti rapporti di rigidità, auxeticità e isotropia.
Questo articolo presenta un algoritmo divide-and-conquer per l'approssimazione di distribuzioni di probabilità continue unidimensionali, dimostrando che offre un limite superiore semplice per l'errore di approssimazione in termini di distanza di Wasserstein-1 e risulta più stabile rispetto ai metodi esistenti quando le distribuzioni approssimate subiscono operazioni aritmetiche.
Il paper propone QCAI, un nuovo metodo post-hoc per interpretare i meccanismi di cross-attention nei transformer encoder-decoder applicati al legame TCR-pMHC, che supera le limitazioni delle tecniche esistenti e raggiunge prestazioni all'avanguardia sia nell'interpretabilità che nella precisione predittiva grazie alla valutazione sul benchmark TCR-XAI.
Il paper presenta TrinityDNA, un modello fondazionale bio-ispirato che integra componenti strutturali e simmetriche specifiche del DNA con meccanismi di attenzione multi-scala e strategie di addestramento evolutive per modellare efficientemente sequenze genomiche lunghe e migliorare le applicazioni biologiche.
Il paper propone TCR-EML, un modello spiegabile per la previsione del legame TCR-pMHC che integra strati prototipici basati su meccanismi biochimici noti nei backbone dei modelli linguistici proteici, ottenendo accuratezza competitiva e spiegabilità superiore rispetto ai metodi esistenti.
Questo articolo offre una guida alle rappresentazioni digitali delle molecole ispirate all'elaborazione del linguaggio naturale (NLP) e alle relative applicazioni basate sull'intelligenza artificiale, fungendo da risorsa fondamentale per i ricercatori che operano all'intersezione tra chimica, scienza dei materiali e informatica.
Il paper presenta Ptychi-Evolve, un framework autonomo che utilizza modelli linguistici di grandi dimensioni e meccanismi evolutivi per scoprire e ottimizzare automaticamente nuove funzioni di regolarizzazione per la ptychografia, ottenendo ricostruzioni di immagini superiori rispetto ai metodi convenzionali.
Questo articolo presenta una nuova coda di lavoro lock-free ottimizzata per un framework master-worker nella risoluzione di problemi di programmazione a numeri interi, che supporta operazioni in blocco e garantisce prestazioni costanti e scalabilità superiore rispetto alle soluzioni generiche esistenti.
Questo articolo offre una valutazione pratica delle capacità attuali e delle barriere all'adozione dei modelli fondazionali e degli agenti di intelligenza artificiale nella patologia computazionale, analizzando le sfide economiche, tecniche e normative necessarie per la loro responsabile integrazione nella pratica clinica globale.
Questo lavoro presenta CliqueFlowmer, un nuovo modello di ottimizzazione basato su dati offline che combina trasformatori e flussi generativi per scoprire materiali con proprietà superiori rispetto ai metodi generativi tradizionali.
Il paper presenta il GMM-PIELM, un framework probabilistico che utilizza un algoritmo EM ponderato per adattare dinamicamente il campionamento dei nuclei nelle PDE rigide, consentendo alle Extreme Learning Machines di risolvere con precisione strati limite sottili e ridurre gli errori di ordini di grandezza rispetto ai metodi tradizionali, mantenendo al contempo la velocità computazionale.
Il paper presenta AllScAIP, un potenziale interatomico basato su machine learning che utilizza un meccanismo di attenzione "all-to-all" per catturare in modo efficiente e preciso le interazioni a lungo raggio in sistemi su larga scala, superando i limiti dei modelli basati su bias fisici quando si dispone di grandi quantità di dati.
Questo articolo propone un nuovo paradigma di simulazione basato su scenari che integra modelli fisici e sociali per valutare ex-ante gli impatti diretti e indiretti delle regolamentazioni del traffico urbano, come dimostrato da uno studio di caso sulle restrizioni della circolazione.
Il paper introduce FinRule-Bench, un nuovo benchmark che valuta la capacità dei modelli linguistici di ragionare congiuntamente su tabelle finanziarie reali e principi contabili attraverso tre compiti di audit progressivamente complessi, rivelando che le prestazioni dei modelli crollano quando devono discriminare tra regole o diagnosticare violazioni multiple.
Questo articolo propone un approccio basato sulle reti materiali termodinamiche per progettare flussi di materiali circolari, sviluppando indicatori di circolarità, fornendo esempi numerici dettagliati per fluidi e solidi e rendendo disponibile il codice sorgente.
Gli autori sviluppano un "simile digitale" ad alta risoluzione su scala nazionale degli Stati Uniti che integra dati su bestiame, uccelli selvatici e popolazione umana per modellare la trasmissione di patogeni come l'influenza aviaria ad alta patogenicità (HPAI) e identificare le aree a maggior rischio di spillover.