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 · 341–350 / 607
Questo articolo stabilisce matematicamente leggi di scala e tassi di cambio per quantificare il valore dei dati cerebrali nel migliorare i modelli di apprendimento automatico, identificando condizioni specifiche relative all'allineamento compito-cervello, al rumore e alle dimensioni del campione in cui la raccolta di registrazioni neurali è benefica per le prestazioni e la robustezza.
Il documento presenta FairHealth, una libreria Python open-source progettata per colmare le lacune critiche nell'intelligenza artificiale sanitaria per contesti a risorse limitate fornendo un framework unificato e modulare che integra audit di equità, apprendimento federato che preserva la privacy, spiegabilità a bassa larghezza di banda e strumenti specializzati per i dataset del Sud Globale.
Questo lavoro propone un modello non analitico che dimostra come il picco di Boson nei solidi amorfi abbia origine esclusivamente dalle fluttuazioni dei numeri di coordinazione, mentre le fluttuazioni della costante elastica contribuiscano principalmente solo allo smorzamento.
Questo articolo introduce una famiglia di codici quantistici correttori di errori non-CSS tolleranti ai guasti, generati mediante stati di grafo e il metodo dell'ancilla nuda, dimostrando la loro resilienza agli errori di aggancio e prestazioni superiori rispetto agli approcci esistenti basati su qubit bandiera e ancilla nuda sotto vari modelli di rumore.
Questo studio confronta le osservazioni di emissione-assorbimento Hi a 21 cm provenienti dai sondaggi GWA e LAB con le simulazioni numeriche TIGRESS per determinare che il mezzo interstellare neutro è composto da circa il 19,8% di fasi fredde, il 32,5% di fasi instabili e il 47,8% di fasi calde, una distribuzione che si allinea con i risultati delle simulazioni e sottolinea la necessità di future osservazioni radio sensibili per vincolare ulteriormente queste frazioni di gas.
Questo articolo introduce la Meccanica Lagrangiana di Wasserstein (WLM), un nuovo quadro teorico e algoritmo che apprende dinamiche di popolazione del secondo ordine da istantanee temporali minimizzando un'azione smorzata, superando così i limiti dei flussi graduali nel modellare accuratamente comportamenti complessi come la periodicità, la dinamica dei vortici e l'aggregazione.
Questo lavoro presenta un campione selezionato in modo uniforme di 930 nuclei galattici attivi di buchi neri di massa intermedia provenienti da SDSS DR17, estendendo la copertura in redshift degli AGN di bassa massa fino a e rivelando una potenziale evoluzione cosmica nell'attività di accrescimento caratterizzata da tassi di accrescimento e luminosità massimi decrescenti a redshift inferiori.
Questo articolo introduce una Rete Generativa Avversaria (GAN) basata su U-Net addestrata su simulazioni realistiche simili a Planck che ricostruisce con successo mappe ad alta fedeltà della Radiazione Cosmica di Fondo rimuovendo simultaneamente la contaminazione di primo piano, il rumore strumentale e gli effetti di convoluzione del fascio, ottenendo errori di ricostruzione inferiori all'1% al di fuori della regione galattica.
Questo articolo propone e convalida il paradigma "Agent-First Tool API", che sostituisce le tradizionali interfacce CRUD orientate all'utente con un protocollo semantico a sei verbi e metadati strutturati di supporto alle decisioni, al fine di migliorare significativamente i tassi di successo delle attività e il recupero dagli errori degli agenti autonomi nei sistemi di produzione aziendali.
Il documento propone il Contextual Plackett-Luce (CPL), un modello neurale efficiente che combina la valutazione parallela con un processo di selezione autoregressivo leggero per gestire efficacemente compiti di previsione di sequenze ambigue e multi-modali, mantenendo al contempo l'efficienza computazionale.