Artigos cujos autores originais revisaram nossa explicação em linguagem simples.
Para cada artigo desta página, pelo menos um dos autores originais viu nossa explicação em linguagem simples e se envolveu com ela — confirmando a precisão ou solicitando correções que depois aplicamos. Uma confirmação não significa que os autores aprovem formalmente cada frase, mas que a explicação passou pelos olhos de quem escreveu o artigo.
568 artigos revisados por autores · 131–140 / 568
Este artigo estabelece as condições de junção mais gerais para CFTs de rede de campo escalar livre em (1+1) dimensões caracterizadas por um grupo , fornece suas realizações físicas e deriva limites rigorosos para a energia de Casimir da rede, analisando suas implicações para estruturas poliedrais regulares.
Este artigo apresenta observações multicomprimento de onda e modelagem hidrodinâmica da supernova de Tipo IIP excepcionalmente fraca SN 2024abfl em NGC 2146, revelando que ela resulta de uma explosão de colapso do núcleo de baixa energia proveniente de um progenitor compacto e de baixa massa, o que fornece novas restrições aos mecanismos desses eventos.
Este artigo propõe um novo framework de aprendizado por reforço multiagente offline que aborda deslocamentos distribucionais e desafios de coordenação multimodal em tarefas cooperativas, empregando um método de decomposição sequencial de pontuação combinado com modelos generativos baseados em difusão para orientar atualizações de política em direção a regiões de alta recompensa e dentro da distribuição, alcançando desempenho de ponta em diversos benchmarks.
Este artigo constrói duas hierarquias super-integráveis e suas estruturas hamiltonianas com base na superálgebra de Lie osp(1,6) via problemas não isoespectrais e, subsequentemente, deriva uma generalização (2+1)-dimensional da hierarquia super-AKNS reduzindo esses sistemas sob condições específicas.
Este artigo propõe a Redução Distribucional Supervisionada (SDR), um algoritmo inovador que integra o Transporte Ótimo com a maximização explícita de dependência para aprender representações compactas e orientadas ao alvo que preservam simultaneamente a geometria intrínseca dos dados e o sinal preditivo, ao mesmo tempo que permitem a construção de kernels adaptativos e não estacionários para tarefas subsequentes, como a modelagem com Processos Gaussianos.
BIRDNet é uma rede neural profunda interpretável que extrai relações de implicação booleana de dados tabulares para construir uma arquitetura esparsa e estruturalmente restrita, alcançando desempenho competitivo com significativamente menos parâmetros, ao mesmo tempo que permite a extração direta de regras biologicamente significativas sem a necessidade de priores externos.
Este artigo audita empiricamente o mecanismo de contabilidade de orçamento k-NAF na Decodificação Ancorada em cargas de trabalho fixas e adaptativas, constatando que o gasto cumulativo de KL permanece consistentemente muito abaixo dos orçamentos ao nível da sequência e que as instâncias de aparente esgotamento do orçamento são atribuíveis a artefatos de proxy e não a falhas reais do mecanismo.
Este artigo introduz modelos de mundo neural híbridos, um framework de rede única que prevê dinâmicas físicas com acelerações significativas em relação a solucionadores clássicos, enquanto gera implicitamente um mapa de erros para detectar descontinuidades abruptas como choques e contatos, permitindo um mecanismo de fallback que reduz substancialmente os erros de previsão sem exigir calibração adicional ou conhecimento das equações governantes.
Utilizando simulações da biblioteca GASTRO, este estudo demonstra que aglomerados de formação estelar de alta densidade em estágios iniciais ou fusões retrógradas podem suprimir a formação estelar para criar a bimodalidade química observada na Via Láctea, rica e pobre em , ao passo que fusões progradas não conseguem fazê-lo, apoiando assim galáxias de disco com aglomerados em como prováveis progenitores da nossa Galáxia.
Este artigo propõe uma estrutura de modelagem de ordem reduzida adaptativa com consciência histórica, utilizando decomposição em valores singulares incremental (iSVD), que atualiza dinamicamente as funções de base por meio de correções ocasionais de ordem completa, demonstrando precisão preditiva e eficiência computacionais superiores às dos métodos existentes para problemas não lineares complexos, como a equação de Burgers, o tubo de choque de Sod e motores de detonação rotativa.