Articoli i cui autori originali hanno esaminato la nostra spiegazione divulgativa.
Per ogni articolo in questa pagina, almeno uno degli autori originali ha visto la nostra spiegazione divulgativa e se ne è occupato — confermandone l'accuratezza o richiedendo correzioni che abbiamo poi applicato. Una conferma non significa che gli autori approvino formalmente ogni frase, ma che la spiegazione è passata sotto gli occhi di chi ha scritto l'articolo.
1301 articoli verificati dagli autori · 1261–1270 / 1301
Il documento presenta una dimostrazione matematica che conferma come le soluzioni del flusso di Kolmogorov bidimensionale conservino la simmetria spaziale iniziale, validando così i risultati della simulazione numerica pulita (CNS) e rivelando come i metodi di simulazione numerica diretta (DNS) perdano tale simmetria a causa del rumore numerico.
Il documento esplora la meccanica statistica di particelle in stati energetici indistinguibili, derivando funzioni di distribuzione esatte che rivelano una transizione vetrosa definitiva per le particelle classiche, caratterizzata dalla scomparsa dell'entropia configurale al di sotto di una temperatura finita .
Questo studio dimostra che i modelli basati su Transformer con testine di output evidenziali, validati sul dataset HUPA-UCM, offrono il quadro più efficace per la previsione della glicemia e la quantificazione dell'incertezza nel diabete di tipo 1, garantendo sia maggiore accuratezza predittiva sia stime di incertezza meglio calibrate rispetto alle architetture LSTM e GRU.
In questa nota si dimostra che la congettura di Beilinson vale per certi esempi di superfici K3 definite su e dotate di un'involuzione, quando il quoziente della superficie per tale involuzione è il piano proiettivo ramificato lungo una curva di grado sei.
Il paper propone stimatori basati su un campionamento sequenziale a due stadi per il rischio relativo, l'odds ratio e i loro logaritmi, che garantiscono un errore quadratico medio relativo inferiore a un valore target per qualsiasi parametro e mantengono un rapporto tra le dimensioni campionarie delle due popolazioni vicino a un valore prescritto, raggiungendo un'efficienza prossima a quella del limite di Cramér-Rao.
Questo lavoro presenta l'uso di una rete neurale profonda per migliorare la ricostruzione della posizione in un array di fotomoltiplicatori al silicio (SiPM) a gradiente lineare, ottenendo una risoluzione e una linearità superiori rispetto ai metodi tradizionali e aumentando il numero di aree risolvibili fino a 12,1 volte.
Questo lavoro introduce il "Kinematically Diagonalized Current Basis" (KDCB), un nuovo quadro generativo che risolve le degenerazioni cinematiche nella teoria efficace SMEFT di dimensione 8 costruendo operatori direttamente dalle correnti conservate di Noether, garantendo così una mappatura unica tra operatori e scalature energetiche per facilitare l'interpretazione dei dati collider e i vincoli teorici.
Gli autori propongono un nuovo framework di apprendimento non supervisionato per la Minimizzazione del Rischio Invariante (IRM) che, attraverso i metodi PICA e VIAE, allinea le distribuzioni delle caratteristiche per apprendere rappresentazioni robuste e generalizzabili tra diversi ambienti senza fare affidamento su dati etichettati.
Questo lavoro propone un paradigma di apprendimento post-addestramento in cui i grafi di conoscenza fungono da modelli di ricompensa impliciti, permettendo a un modello da 14B di eccellere nel ragionamento compositivo multi-hop in ambito medico e superare sistemi frontieri molto più grandi grazie a segnali di ricompensa derivati dai percorsi che favoriscono la composizione di assiomi intermedi.
Il paper dimostra che la "Neural Collapse Direzionale", ovvero la ridotta variabilità lungo le direzioni di separazione delle classi, è il fattore geometrico fondamentale che spiega sia l'efficace trasferimento few-shot sia la bassa interferenza tra più compiti nell'apprendimento auto-supervisionato.