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.
607 articoli verificati dagli autori · 131–140 / 607
L'articolo sostiene che la lettura e il refactoring del codice per creare un toolkit Python minimo e unificato (EZR.py) rivelano che algoritmi semplici e leggeri possono superare strumenti complessi allo stato dell'arte nei compiti di ottimizzazione dell'ingegneria del software tabellare, richiedendo al contempo significativamente meno dati e risorse computazionali.
Questo articolo introduce un meccanismo di "drift-gating" plug-in, privo di addestramento, che sfrutta l'accentuata instabilità degli esempi avversari sotto perturbazioni ad alto rumore per attivare selettivamente le difese al tempo di test, migliorando così significativamente il compromesso tra robustezza e accuratezza sui dati puliti nei modelli Vision-Language senza degradare l'accuratezza sui dati puliti.
Questo articolo presenta la progettazione ottimale e la modellazione analitica di un dito per gripper soft ispirato al principio Fin-Ray per la manipolazione agricola delicata, utilizzando il Metodo degli Elementi Rigidi Finiti per ottenere un controllo della forza ad alta precisione e validato attraverso simulazioni ANSYS e test sperimentali.
Questo articolo dimostra come modellare la risonanza acustica di una bottiglia di birra come un oscillatore guidato-smorzato monodimensionale e propone l'uso di metodi di Fourier per raccogliere efficientemente i dati necessari per il fitting dei parametri in esperimenti di laboratorio universitari.
Il documento introduce d2, un nuovo framework di apprendimento per rinforzo per modelli linguistici di diffusione mascherata che impiega stimatori specializzati della verosimiglianza delle traiettorie (d2-AnyOrder e d2-StepMerge) per migliorare significativamente le capacità di ragionamento su benchmark logici e matematici, raggiungendo nuove prestazioni state-of-the-art.
Questo articolo critica la tradizionale definizione di entropia di Boltzmann come il logaritmo degli stati quantistici, proponendo invece che l'entropia derivi da processi subquantistici e sia espressa matematicamente come il rapporto tra il logaritmo delle realizzazioni massime degli stati di un sistema macroscopico e la frequenza delle occorrenze dei suoi stati quantistici su un dato periodo di osservazione.
Questo articolo dimostra che la risposta della domanda elettrica dei minatori di Bitcoin all'aumento dei costi nel mercato elettrico del Texas è economicamente dipendente dallo stato, indebolendosi man mano che un "hashprice" (ricavo di estrazione atteso) più elevato sposta la soglia di riduzione dei consumi verso prezzi dell'elettricità più alti, suggerendo pertanto che trattare tali carichi come risorse affidabili di flessibilità della rete possa sopravvalutare la loro effettiva disponibilità.
Questo articolo propone un framework ingegneristico formale ispirato ai metamateriali per modellare il coordinamento istituzionale sotto la velocità decisionale guidata dall'IA, introducendo una legge costitutiva che predice un "Equilibrio di Congelamento" catastrofico quando i costi di verifica superano l'utilità e offrendo ipotesi testabili per prevenire questa transizione di fase attraverso strutture di provenienza e verifica ottimizzate.
Questo articolo stabilisce un quadro microscopico dimostrando che il ripristino della simmetria rotazionale nelle collisioni di ioni pesanti relativistici agisce come un filtro passa-basso geometrico che sopprime esponenzialmente i modi di deformazione effettiva, riconciliando così l'uso di geometrie classicamente deformate con gli stati fondamentali quantistici rotazionalmente invarianti dei nuclei even-even.
Site4Drug è un agente IA che predice siti di legame farmaco-target su proteine, classificati e consapevoli della modalità, integrando diverse evidenze biologiche per superare l'ambiguità e i tassi di fallimento associati alla selezione di regioni di intervento azionabili, in particolare per le proteine di membrana.