63 artigos
Este artigo apresenta e valida um assistente baseado em recuperação de informações que utiliza exclusivamente fontes regulatórias autoritativas para apoiar a avaliação de segurança, certificação e conformidade regulatória de sistemas de aeronaves não tripuladas, garantindo respostas rastreáveis e auditáveis que aceleram a preparação de documentos sem substituir o julgamento humano.
Este artigo demonstra que, ao utilizar um modelo de difusão condicional para prever retornos de ativos e construir carteiras, existe uma clara compensação entre viés e variância, onde um número intermediário de fatores otimiza a generalização e supera as estratégias de carteira tradicionais.
Este trabalho apresenta um método para estimar com precisão e baixo custo o número de condição de vetores filtrados por Chebyshev, permitindo a seleção automática do algoritmo de fatoração QR na biblioteca ChASE, o que melhora seu desempenho sem comprometer a precisão.
Este artigo propõe uma Rede Neural de Grafos com Atenção Espacio-Temporal (STA-GNN) para detecção de anomalias explicável e adaptável a mudanças em Sistemas de Controle Industrial, integrando dados ciber-físicos e estratégias de previsão conformal para mitigar falsos positivos e melhorar a confiabilidade operacional.
Este artigo apresenta um atlas abrangente de metamateriais simétricos cúbicos, contendo uma base de dados de 1,95 milhão de células unitárias e um modelo de rede neural convolucional 3D, que juntos permitem a descoberta acelerada de estruturas com propriedades mecânicas extremas, como alta relação de rigidez volumétrica, auxetismo isotrópico e rigidez próxima ao limite superior de Hashin-Shtrikman.
Este artigo propõe e analisa um algoritmo de dividir-e-conquistar para aproximar distribuições de probabilidade unidimensionais contínuas, demonstrando que ele atinge taxas de convergência ótimas e oferece maior estabilidade em operações aritméticas em comparação com esquemas existentes.
Este artigo apresenta o QCAI, um novo método pós-hoc para interpretar mecanismos de atenção cruzada em transformadores, que alcança desempenho superior em precisão e interpretabilidade na previsão de ligações TCR-pMHC ao ser validado pelo novo benchmark TCR-XAI.
O artigo apresenta o TrinityDNA, um modelo fundamental bioinspirado que integra componentes como a Fusão de Sulco e o Complemento Reverso com Portão, além de uma estratégia de treinamento evolutivo, para superar os desafios na modelagem de sequências genômicas longas e melhorar aplicações como a previsão de função gênica e a anotação de CDS.
O artigo propõe o TCR-EML, um modelo de aprendizado de máquina com camadas explicáveis por design que integra mecanismos bioquímicos conhecidos de ligação para prever a interação entre receptores de células T e complexos peptídeo-MHC com alta precisão e interpretabilidade.
Este artigo oferece uma revisão das representações moleculares digitais inspiradas no processamento de linguagem natural (NLP) e de suas aplicações em inteligência artificial para química e ciência dos materiais, servindo como um guia essencial para pesquisadores que buscam atuar na interseção desses campos.
O artigo apresenta o Ptychi-Evolve, um quadro autônomo que utiliza modelos de linguagem grandes e mecanismos evolutivos para descobrir e evoluir automaticamente novos algoritmos de regularização para ptychografia, superando os métodos convencionais em diversas tarefas de caracterização de materiais.
Este artigo apresenta uma nova fila de roubo de trabalho sem bloqueio otimizada para um framework mestre-trabalhador em solvers de programação inteira mista, que suporta operações em lote nativas e demonstra desempenho superior em latência e escalabilidade em comparação com implementações existentes como a do C++ Taskflow.
Este artigo apresenta uma avaliação prática das perspectivas internacionais sobre a integração responsável de sistemas de IA emergentes, como modelos fundamentais e agentes, na patologia computacional, analisando as capacidades atuais, os desafios de adoção e o contexto regulatório, econômico e técnico necessário para sua implementação clínica.
Este trabalho apresenta o CliqueFlowmer, um modelo de otimização baseado em aprendizado offline que combina transformadores, fluxos de geração e otimização baseada em cliques para descobrir materiais com propriedades superiores, superando os métodos generativos tradicionais.
O artigo apresenta o GMM-PIELM, um framework probabilístico que aprimora as Máquinas de Aprendizado Extremo Informadas pela Física (PIELMs) ao utilizar um algoritmo de Expectativa-Maximização ponderado para adaptar automaticamente a amostragem de funções de base radial às regiões de alta complexidade física, resolvendo com precisão equações diferenciais parciais rígidas com erros significativamente menores e mantendo a velocidade de treinamento superior das PIELMs.
O artigo apresenta o AllScAIP, um modelo de potencial interatômico baseado em aprendizado de máquina que utiliza atenção entre todos os nós para capturar interações de longo alcance de forma orientada por dados, superando as limitações de modelos anteriores e alcançando precisão de ponta em sistemas moleculares e materiais.
Este artigo propõe um novo paradigma de simulação baseado em cenários que integra modelos físicos de mobilidade e emissões com uma camada social de respostas comportamentais, permitindo a avaliação ex-ante dos impactos diretos e indiretos de regulamentações de tráfego urbano em sistemas complexos de mobilidade.
O artigo apresenta o FinRule-Bench, um novo benchmark que avalia a capacidade de modelos de linguagem de realizar raciocínio financeiro baseado em regras e diagnósticos de conformidade em tabelas financeiras reais, revelando que, embora performem bem na verificação isolada de regras, suas capacidades degradam-se significativamente em tarefas que exigem discriminação de princípios e diagnóstico de múltiplas violações simultâneas.
Este artigo propõe o uso de Redes de Materiais Termodinâmicos (TMNs) para projetar fluxos de materiais circulares com alta dinâmica temporal, desenvolvendo indicadores de circularidade baseados em grafos e validando-os através de exemplos numéricos de materiais fluidos e sólidos.
Este artigo apresenta a criação de um "similar digital" de alta resolução para os Estados Unidos, que integra dados de gado, aves selvagens e populações humanas para modelar a propagação de epidemias como a gripe aviária H5N1 e identificar zonas de risco para orientar esforços de vigilância.