🔬 materials science
Recent Progress in Ultrafast Dynamics of Transition-Metal Compounds Studied by Time-Resolved X-ray Techniques
本综述总结了时间分辨X射线技术的最新进展，例如利用X射线自由电子激光（XFELs）和桌面高次谐波（HHG）光源的技术，这些技术能够对过渡金属化合物中的超快电荷、自旋、轨道及晶格动力学进行元素和动量特异性的探测。
✓ 已审阅
作者审阅的论文
原作者已查阅我们通俗解释的论文。
本页收录的每篇论文，都有至少一位原作者阅读并参与了我们的通俗解释——或是确认其准确无误，或是提出修正意见并由我们随后采纳。作者的确认并不等同于对每一句话的正式背书，但说明该解释已经过论文作者的审视。
1223 篇论文已由作者审阅 · 981–990 / 1223
🔬 mesoscale physics
Tunable Interlayer Charge-transfer States in MoSe/WS Moiré Superlattices
本研究结合第一性原理计算与光学光谱技术，展示了如何通过调控电子掺杂的 MoSe/WS莫尔超晶格中的垂直电场，将能带排列从 I 型切换为 II 型，从而实现对层间电荷转移态的精确调控，并构建可调谐的费米 - 哈伯德模型，该模型在整数与分数填充下可呈现预测的关联电荷有序态。
💬 NLP
Evaluation Awareness in Language Models Has Limited Effect on Behaviour
本研究证明，大型推理模型中语言化的评估意识对其在安全、对齐和推理基准测试中的实际行为影响微乎其微，表明此类意识的高发生率不应被自动解读为存在策略性操纵或对齐篡改的证据。
🧬 biology
Toward Practical Equilibrium Propagation: Brain-inspired Recurrent Neural Network with Feedback Regulation and Residual Connections
本文介绍了 FRE-RNN，这是一种融合了反馈调节与残差连接的生物可解释循环神经网络，它克服了平衡传播的不稳定性与高计算成本，在实现收敛速度与性能媲美反向传播的同时，支持实用化的大规模类脑学习。
📊 statistics
Causal Inference of Blood Pressure Reduction and Coronary Heart Disease Risk in the Framingham Study
通过将因果推断方法应用于弗雷明汉心脏研究，本文表明，由于混杂因素，标准观察性风险计算器高估了降压对冠心病风险的绝对获益约 21.8%，凸显了在临床决策中区分条件概率与干预效应的关键必要性。
🤖 machine learning
GRALIS: A Unified Canonical Framework for Linear Attribution Methods via Riesz Representation
本文介绍了 GRALIS，这是一个基于里斯表示定理的统一数学框架，它为线性归因方法确立了规范形式，同时满足 14 个公理属性中的 13.5 个，并为完整性、收敛性以及多尺度交互提供了形式化保证，而这些是单个可解释人工智能方法所缺乏的。
🔭 astrophysics
Axion-Like Particle Dark Matter Intensity Mapping: A New Probe via Cross-Correlation with Galaxy Surveys
本文提出了一种通过交叉关联射电强度映射与 2MRS 星系巡天来探测微电子伏特尺度轴子类粒子暗物质的新方法，论证了平方公里阵列二期通过考虑由宇宙微波背景辐射和河外射电背景共同驱动的受激发射，能够有效探测这些信号。
🔭 astrophysics
The multiple corrugations in the Galactic disk derived from the LAMOST and Gaia survey data
通过结合LAMOST与盖亚数据并利用N体模拟进行验证，本研究证明将径向波纹建模为两列反向传播的波，能够合理解释观测到的类波运动学特征以及银河系内盘与外盘薄盘之间的结构转变。
⚛️ quantum physics
Learning to Maximize Quantum Neural Network Expressivity via Effective Rank
本文引入有效秩（）作为一种新颖的定量指标，用于表征量子神经网络的表达能力，并利用带有自注意力 Transformer 智能体的强化学习框架，自动设计能够最大化该指标的高表达能力量子电路架构。
📊 statistics
Sharper Guarantees for Misspecified Kernelized Bandit Optimization
本文通过证明局部化原则——具体而言即离线场景下的谱局部化与在线场景下的域划分——能够将因模型误设而产生的惩罚从涉及核复杂度的乘性因子降低为对数级或多对数级增长，从而改进了误设核化bandit优化问题。