133 papers
Dit artikel presenteert een geoptimaliseerde versie van de optAPM-code voor het modelleren van absolute plaatbewegingen, waarbij een vereenvoudigde hotspot-kostfunctie en voorafgaande interpolatie van hotspot-sporen de nauwkeurigheid en betrouwbaarheid van de reconstructies van historische plaatbewegingen aanzienlijk verbeteren.
Dit artikel introduceert een algemeen rekensysteem voor adaptieve informatiewinning uit dynamische systemen, waarbij een trainbaar aandachtsmodule bepaalt waar en hoe gemeten moet worden om de voorspellingsprestaties te optimaliseren, wat leidt tot aanzienlijk betere resultaten bij het voorspellen van chaotische systemen.
Deze paper introduceert een twee-traps uitbreiding voor mumax+ die GPU-versnelde simulaties van coherente en dissipatieve koppeling tussen microgolfkaviteitfotonen en magnonen in ferro- en antiferromagneten mogelijk maakt, waarmee complexe fenomenen zoals polaritonhybridisatie en Neel-vector-spectroscopie efficiënt kunnen worden onderzocht.
Dit artikel introduceert een eenvoudige numerieke methode op basis van inverse transformatie-steekproefneming om relativistische Maxwell-verdelingen te laden, waarbij een verschoven Maxwell-energieverdeling wordt benaderd door een omkeerbare functie om willekeurige variaten voor energie en impuls te genereren die de verwachte verdeling nauwkeurig reproduceren.
Dit artikel presenteert een nauwkeurige tijddomein-methode op basis van de discontinu Galerkin-methode voor het berekenen van Casimir-krachten in complexe geometrieën en materialen bij eindige temperaturen, waarbij de interactie wordt herleid tot klassieke verstrooiingsproblemen en gevalideerd wordt tegen bekende oplossingen en asymptotische voorspellingen.
Deze studie presenteert een Fourier Neural Operator-schijfmodel dat protontransport en neutronproductie in protontherapie binnen enkele seconden voorspelt met Monte Carlo-achtige nauwkeurigheid, waardoor real-time adaptieve bereikverificatie mogelijk wordt.
Dit artikel introduceert een nieuwe gemodificeerde-gradiëntmethode die het magnetische divergentiefout in meshless magnetohydrodynamica volledig elimineert en exact divergentievrije resultaten bereikt met ronde-off precisie, wat een significant verbetering biedt ten opzichte van de bestaande constrained-gradient-techniek.
Dit artikel analyseert de discrepantie tussen tijd-continu en tijd-discreet operationele Ising-machines en presenteert een experimenteel gevalideerde methode om de gevoeligheid voor hyperparameters in meet-feedback-architecturen te verminderen.
In dit artikel wordt een database en twee efficiënte machine-learned interatomaire potentialen (tabGAP en NEP) gepresenteerd voor het modelleren van complexe fase-overgangen en defecten in multielementige refractaire legeringen van groep 4 tot 6.
In dit artikel wordt een nauwkeurige en efficiënt machine-learned interatomair potentiaal ontwikkeld voor TiC MXenen, die wordt toegepast om ionenbestraling te simuleren en zo inzicht te geven in defectvorming en richtlijnen voor defect-engineering.
Dit onderzoek toont met behulp van machine learning aan dat domeinwanden in twee-dimensionale bismuth laag-energetische, topologische interfaciale toestanden vertonen die door intrinsieke elektrische velden een bandkruising op het Fermi-niveau veroorzaken, waardoor ze veelbelovend zijn voor de ontwikkeling van ferro-elektrische domeinwand-apparaten.
Deze studie introduceert GET-SEI, een algemeen raamwerk dat graph contrastive learning, extended dynamic mode decomposition en transition path theory combineert om lithium-transportmechanismen in de vaste elektrolyt-interfase van verschillende vaste-stofbatterijen te ontrafelen en te kwantificeren zonder vooraf gedefinieerde labels.
In dit artikel wordt ChemNavigator gepresenteerd, een autonoom AI-systeem dat door middel van hypothese-gedreven verkenning en berekeningen zes statistisch onderbouwde ontwerpregels voor organische photocatalysatoren heeft afgeleid, waarmee het menselijke intuïtie aanvult in plaats van vervangt.