266 articoli
Il paper presenta FastLSQ, un framework basato su caratteri di Fourier sinusoidali con derivate analitiche esatte che risolve equazioni differenziali alle derivate parziali (PDE) lineari e non lineari in modo estremamente rapido e preciso, superando di ordini di grandezza i solutori PINN iterativi e abilitando applicazioni in problemi inversi e scoperta di PDE.
Questo lavoro propone il metodo IS-AS-preintegration, che combina campionamento d'importanza, sottospazio attivo e pre-integrazione nell'ambito del metodo quasi-Monte Carlo per migliorare l'efficienza nella valutazione delle opzioni finanziarie, dimostrando una riduzione della varianza superiore rispetto ai metodi esistenti, in particolare per le opzioni out-of-the-money.
Questo studio confronta l'efficienza computazionale e l'accuratezza di Python, MATLAB e R nella risoluzione numerica dei modelli epidemiologici SI e SIR utilizzando metodi come Euler, RK4 e Predictor-Corrector, fornendo indicazioni pratiche per la selezione degli strumenti più adatti.
Questo lavoro presenta un quadro rigoroso per estendere gli operatori neurali al di fuori della distribuzione di addestramento, sfruttando tecniche di approssimazione dei kernel e spazi di Hilbert a nucleo riproducente per garantire la robustezza teorica e l'accuratezza nella risoluzione di equazioni differenziali alle derivate parziali su varietà.
Questo lavoro dimostra la convergenza forte di ordine 1/2 per uno schema geometrico di Eulero-Maruyama applicato alle equazioni differenziali stocastiche su varietà Riemanniane, fornendo inoltre un limite di Wasserstein per il campionamento tramite dinamica di Langevin Riemanniana discretizzata.
Il paper propone un framework non supervisionato basato su surrogate e ottimizzazione a due stadi per la sintesi automatica di topologie di antenne planari a forma libera ottimizzate per applicazioni IoT nelle bande da 5 a 7 GHz.
Questo lavoro presenta un framework a due stadi per la generazione automatica di strutture di antenne piane basate su pixel, che combina l'ottimizzazione globale delle interconnessioni tra i pixel con un affinamento locale assistito da surrogato per soddisfare le specifiche di progettazione.
Questo articolo colma il divario tra le stime teoriche e le evidenze numeriche riguardanti la convergenza subottimale del metodo LDG per equazioni di convezione-diffusione, dimostrando che l'uso di nuovi risultati di approssimazione per le proiezioni di Gauss-Radau permette di ottenere una convergenza ottimale anche per soluzioni con regolarità limitata.
Il documento presenta un metodo di regione di fiducia implicito-esplicito che sfrutta la struttura dell'Hessiano e la trasformata veloce di Fourier per calcolare punti stazionari del secondo ordine nei modelli di Landau, garantendo la convergenza verso minimi locali e permettendo di identificare nuove fasi stabili come la FDDD nel modello Landau-Brazovskii.
Questo lavoro propone un'estensione multidimensionale di un operatore non lineare basato su una partizione dell'unità dipendente dai dati e sul metodo Moving Least Squares, integrato con la tecnica WENO, per migliorare l'approssimazione dei dati in presenza di discontinuità mantenendo alta accuratezza nelle regioni lisce.
Questo articolo presenta un nuovo schema numerico semi-implicito basato sulla variabile ausiliaria scalare stocastica (SSAV) per l'equazione di Cahn-Hilliard stocastica con rumore moltiplicativo, che garantisce stabilità, conservazione dell'evoluzione energetica e un ordine di convergenza forte ottimale di un mezzo.
Questo lavoro propone un quadro statistico robusto che combina gradienti topologici e ottimizzazione di forma, controllata dal parametro , per ricostruire con precisione le regioni di contatto metallo-semiconduttore distinguendo i veri segnali strutturali dal rumore.
Questo studio presenta un'analisi numerica comparativa di sei algoritmi di splitting basati su grafi, specializzati per coni normali di sottospazi lineari, al fine di identificare i parametri di rilassamento ottimali e confrontarne l'efficienza iterativa.
Questo lavoro presenta un framework di modellazione ridotta non intrusivo e basato sui dati che utilizza l'interpolazione del trasporto ottimo per correggere modelli a bassa fedeltà con modelli ad alta fedeltà, estendendo l'approccio a problemi parametrici e applicandolo con successo alla simulazione di flussi bifase con interfacce diffuse.
Questo contributo valida l'efficacia e la legittimità di un nuovo metodo risolutivo diretto veloce per equazioni integrali elettromagnetiche ad alta frequenza su geometrie non canoniche, integrando tecniche di precondizionamento con risultati di microlocalizzazione semiclassica.
Il documento presenta Exp-ParaDiag, un nuovo metodo parallelo nel tempo che integra gli schemi esponenziali nel framework ParaDiag per risolvere equazioni differenziali paraboliche, garantendo convergenza, accuratezza fino al sesto ordine e applicabilità anche a problemi non lineari.
Questo articolo stabilisce un teorema di confronto per gli autovalori estremi di una somma di matrici simmetriche casuali, dimostrando che l'autovalore massimo è dominato da quello di una matrice gaussiana corrispondente, il che porta a migliori limiti teorici in vari campi e alla prima prova completa delle proprietà di iniettività della mappa di riduzione dimensionale casuale sparsa congetturata da Nelson e Nguyen.
Il documento propone un metodo basato sull'annealing per risolvere equazioni differenziali alle derivate parziali trasformandole in problemi di autovalori generalizzati e ottimizzando il quoziente di Rayleigh, permettendo un calcolo efficiente degli autovettori con precisione arbitraria senza aumentare il numero di variabili.