AI-Enhanced Spatial Cellular Traffic Demand Prediction with Contextual Clustering and Error Correction for 5G/6G Planning

Questo articolo presenta un framework di intelligenza artificiale che, combinando una strategia di suddivisione dei dati contestuale e una correzione degli errori spaziali, migliora l'accuratezza della previsione della domanda di traffico cellulare per la pianificazione delle reti 5G/6G, riducendo il rischio di leakage spaziale e garantendo una migliore generalizzazione.

Mohamad Alkadamani, Colin Brown, Halim YanikomerogluThu, 12 Ma⚡ eess

The potential and viability of V2G for California BEV drivers

Questo studio analizza dati reali sull'uso dei veicoli elettrici in California per dimostrare che la strategia Vehicle-to-Grid (V2G) è più fattibile per gli utenti che ricaricano quotidianamente e che il suo impatto sulla durata della batteria dipende dalla sensibilità all'invecchiamento, potendo talvolta migliorare la ritenzione della capacità.

Clement Wong, Amalie Trewartha, Steven B. Torrisi, Alexandre L. S. FilipowiczThu, 12 Ma⚡ eess

Towards Polynomial Immersion of Port-Hamiltonian Systems

Questo articolo dimostra che i sistemi port-Hamiltoniani con non linearità non polinomiali possono essere immersi in rappresentazioni polinomiali di dimensione superiore preservando le loro proprietà strutturali e di energia, permettendo così la sintesi di leggi di controllo stabilizzanti tramite ottimizzazione sum-of-squares e controllo basato sulla passività.

Mohammad Itani, Manuel Schaller, Karl Worthmann, Timm FaulwasserThu, 12 Ma⚡ eess

Reference Architecture of a Quantum-Centric Supercomputer

Questo articolo presenta un'architettura di riferimento e una roadmap per i supercomputer centrati sul quantum (QCSC), sistemi co-progettati che integrano unità di elaborazione quantistica, GPU e CPU per superare le limitazioni attuali e accelerare la scoperta di algoritmi ibridi in ambiti come la chimica e la scienza dei materiali.

Seetharami Seelam, Jerry M. Chow, Antonio Córcoles, Sarah Sheldon, Tushar Mittal, Abhinav Kandala, Sean Dague, Ian Hincks, Hiroshi Horii, Blake Johnson, Michael Le, Hani Jamjoom, Jay M. GambettaThu, 12 Ma⚡ eess

Generative Predictive Control: Flow Matching Policies for Dynamic and Difficult-to-Demonstrate Tasks

Questo articolo introduce il controllo predittivo generativo, un framework di apprendimento supervisionato che combina il controllo predittivo basato su campionamento e la modellazione generativa per addestrare politiche di flusso di matching su compiti dinamici difficili da dimostrare, permettendo l'uso di dati simulati e garantendo feedback ad alta frequenza.

Vince Kurtz, Joel W. BurdickMon, 09 Ma🤖 cs.AI

Whole-Body Model-Predictive Control of Legged Robots with MuJoCo

Il paper dimostra l'efficacia sorprendente di un approccio semplice basato sull'algoritmo iLQR con dinamica MuJoCo per il controllo predittivo del modello (MPC) a corpo intero di robot quadrupedi e umanoidi, che riesce a generalizzare facilmente dal simulatore alla realtà senza complesse considerazioni sim-to-real.

John Z. Zhang, Taylor A. Howell, Zeji Yi, Chaoyi Pan, Guanya Shi, Guannan Qu, Tom Erez, Yuval Tassa, Zachary ManchesterMon, 09 Ma💻 cs

MARLIN: Multi-Agent Reinforcement Learning with Murmuration Intelligence and LLM Guidance for Reservoir Management

Il paper presenta MARLIN, un framework decentralizzato per la gestione dei bacini idrici che combina l'intelligenza degli stormi di storni con l'apprendimento per rinforzo multi-agente e la guida dei LLM per migliorare la coordinazione globale, ridurre i tempi di calcolo e ottimizzare la risposta alle inondazioni in condizioni di incertezza.

Heming Fu, Shan Lin, Guojun XiongMon, 09 Ma💻 cs