24509 件の論文
人工知能と化学の融合は、分子設計や反応予測を劇的に加速させる新たな時代を築いています。Gist.Science では、arXiv に投稿されたこの分野の最新のプレプリントを常時監視し、専門用語に頼らない平易な解説から、技術的な核心を深く掘り下げる詳細な要約まで、両方の視点から内容を整理して提供しています。
複雑な数式やアルゴリズムの背後にある化学への応用可能性を、研究者だけでなく幅広い層が理解できるように紐解くことが私たちの使命です。最新の研究成果がどのように化学の未来を形作っているか、以下のリストから最新の論文をご覧ください。
本論文は、自己知識蒸留、セミハード・アウトライヤー・サンプリング、およびアウトライヤー認識型教師あり対照学習を通じて、モデルの忘却の最適化、データサンプリング、および表現学習を最適化することにより、検出性能と分類精度の同時向上を実現し、多様なベンチマークにおいて既存の手法を凌駕する、実用的かつ効果的なOOD検出フレームワークを提案する。
本論文は、信頼性を考慮した検索とマルチモーダルな推論を統合することで、多様なコンテンツタイプにわたる誤情報の特定および修正においてCommunity Notesを凌駕し、それによって応答の質と誤情報に対するユーザーの認識の両方を向上させる、カスタマイズされた大規模言語モデルフレームワークであるMUSEを紹介するものである。
本論文は、法執行機関の責任と訓練を強化するために、マルチモーダル解析や大規模言語モデルを含む高度なAIを活用して、警察のボディカメラ映像におけるエスカレーションや敬意といった行動力学を自動的に検出し、分類し、要約する、新しい学際的なフレームワークを提案するものである。
本論文は、新たなバイアス補正済みSwish変種（SSwish）とGELUとの間の最適な補間を学習する層ごとの適応型活性化関数であるSG-Blendを導入しており、標準的な固定活性化関数と比較して、自然言語処理およびコンピュータビジョンのタスクにおける学習分散の低減と優れた性能を実証している。
本論文は、VAEおよび拡散モデルにおけるエンコーダとジェネレータの両方に汎化保証を提供し、拡散時間に依存する明示的なトレードオフを明らかにし、モデルの性能を最適化するための計算可能な境界を可能にする、統一された情報理論的枠組みを提案する。
本論文は、意思決定の課題に対する階層型強化学習の利点を定義し、オンラインおよびオフラインデータから時間的構造を発見するための手法から大規模言語モデルに至るまでを分類し、現在の課題と適した適用領域を概説することにより、階層型強化学習の概要を提示するものである。
本論文は、LocTrendとXGateFusionを活用してマルチスケールの水質動態と降雨の影響を共同でモデリングするデータ駆動型フレームワークであるRaiNetを紹介するものであり、既存のモデルに対して20%以上の性能向上を達成すると同時に、研究用に3つの新しいマルチモーダルデータセットを公開する。
本論文は、複数のセキュリティ、プライバシー、および公平性のリスクにわたる機械学習防御間の意図的および意図しない相互作用を体系的に評価するために設計された、初の包括的かつ拡張可能なPythonライブラリであるAmuletを紹介するものである。
本論文は、ベイズ実験計画法と大規模言語モデルを組み合わせることで、実世界の臨床推論を模倣し、診断精度を向上させ、かつ膨大なタスク特化型の訓練データを必要とせずに臨床医による監視を維持しながら、適応的でリソースを考慮した検査選択を可能にする診断フレームワークであるACTMEDを紹介するものである。
本論文は、スワップテストとパラメータ化量子回路を利用したハイブリッド量子・古典アテンションモデルを提案しており、これにより、少量の学習データで高精度かつ効率的、かつ堅牢に多体系における量子相転移を認識することを実現している。