16428 artigos
Esta seção reúne pesquisas sobre elementos químicos que vão do césio ao lantânio, explorando como essas substâncias se comportam em laboratório e na natureza. Embora muitas vezes pareçam distantes do cotidiano, esses materiais são fundamentais para avanços em tecnologia, medicina e ciência dos materiais, desde a criação de relógios atômicos precisos até novos tipos de baterias.
No Gist.Science, acessamos diariamente os novos pré-prints publicados no arXiv nesta área específica. Nossa equipe processa cada novo estudo, transformando a linguagem técnica complexa em resumos claros e acessíveis, sem perder a profundidade científica necessária para quem busca entender os detalhes.
Abaixo, você encontrará a lista atualizada dos trabalhos mais recentes publicados nesta categoria, prontos para leitura e compreensão.
Este artigo propõe uma estrutura de Rede de Operador Profundo (DeepONet), aprimorada com aprendizado residual e uma estratégia de agregação de dados, para aproximar e simular com precisão a resposta transitória dinâmica de geradores síncronos para integração em simuladores de redes elétricas.
Este artigo demonstra que a validade do benchmark RemOve-And-Retrain (ROAR) é comprometida porque mapas de atribuição de pós-processamento podem melhorar artificialmente as pontuações sem adicionar informação, revelando um viés sistemático em direção a máscaras espacialmente borradas que compromete sua capacidade de avaliar precisamente métodos de atribuição de características.
Este artigo utiliza geometria algébrica para analisar os espaços de funções de redes de autoatenção não normalizadas, estabelecendo sua identificabilidade e dimensão, ao mesmo tempo em que caracteriza pontos singulares e conjectura esses resultados para arquiteturas normalizadas.
Este artigo propõe uma metodologia de Inferência Impulsionada por IA Generativa (GPI) que utiliza modelos de linguagem de grande escala para gerar tratamentos e utilizar suas representações internas para uma estimativa de efeito causal mais precisa e eficiente a partir de textos não estruturados, eliminando, assim, a necessidade de aprender representações causais diretamente dos dados e superando desafios comuns como confusão e violações de sobreposição.
Este artigo analisa a eficácia do Gradiente Descendente Estocástico (SGD) em otimização não convexa ao modelá-lo através de EDPs de Fokker-Planck degeneradas, identificando regimes distintos de deriva e difusão para quantificar a concentração de pesos, tempos de escape de mínimos locais e convergência assintótica utilizando técnicas inéditas de dualidade e entropia.
Prism é um framework de co-serviço de LLM centrado em memória que utiliza uma nova técnica de expansão de memória chamada kvcached para reclamar e realocar dinamicamente a memória da GPU entre múltiplos modelos, unificando assim o compartilhamento espacial e temporal para melhorar a eficiência de custo e a conformidade com SLOs em ambientes de produção.
Este artigo propõe uma estratégia de treinamento de meta-aprendizado utilizando conjuntos de dados curados, de pequena escala e específicos de domínio para melhorar a generalização em contexto de transformers, demonstrando que esta abordagem alcança um desempenho comparável ao treinamento de grande escala, ao mesmo tempo em que oferece qualidade de dados, modularidade e robustez contra o esquecimento superiores.
Este artigo demonstra que os grandes modelos de linguagem desenvolvem naturalmente estruturas emocionais hierárquicas alinhadas com a psicologia humana, ao mesmo tempo em que revelam vieses sistemáticos no reconhecimento de emoções que afetam desproporcionalmente grupos sub-representados.
Este artigo introduz a Máquina de Urysohn, um modelo computacional métrico-topológico que utiliza Triplas de Urysohn e um teorema de realização construtiva para definir a complexidade de classificação através de medidas geométricas como a largura da fronteira de decisão, enquanto prova garantias para separação amortizada, estabilidade e escalabilidade em uma estrutura reutilizável.
O artigo apresenta o GetNetUPAM, um framework de validação cruzada aninhada ecologicamente informado, pareado com uma CNN baseada em atenção e robusta ao ruído (ARPA-N), para melhorar significamente a generalização e a confiabilidade do monitoramento bioacústico marinho ao abordar efetivamente condições de alto ruído e prevenir o sobreajuste a artefatos ambientais localizados.