MOOSE-Star: Unlocking Tractable Training for Scientific Discovery by Breaking the Complexity Barrier
该论文提出了 MOOSE-Star 框架，通过分解子任务训练、动机引导的层次化搜索及有界组合策略，将科学发现中假设生成的训练复杂度从指数级降低至对数级，从而突破了直接建模生成推理过程的数学不可行性瓶颈。
💻 Category
cs.CE
64 篇论文
Fast proton transport and neutron production in proton therapy using Fourier neural operators
该研究提出了一种基于傅里叶神经算子的代理模型，能够在秒级时间内以蒙特卡洛精度快速预测质子治疗中的质子输运及非各向同性中子产额，从而为实时自适应质子射程验证系统提供了高效的解决方案。
Spectrally Corrected Polynomial Approximation for Quantum Singular Value Transformation
本文提出了一种谱修正多项式近似方法，通过利用矩阵的已知特征值信息对基础多项式进行修正，在不增加多项式阶数的前提下显著降低了量子奇异值变换（QSVT）求解线性方程组所需的电路深度并提高了保真度。
Asymptotic Spectral Insights Behind Fast Direct Solvers for High-Frequency Electromagnetic Integral Equations on Non-Canonical Geometries
本文利用半经典微局部分析结果，论证了所提出的结合预处理与加速算法的新型高频快速直接求解器在非规范几何电磁积分方程问题中的有效性与合理性。