Magnetohydrodynamics with physics informed neural operators par Shawn G Rosofsky, E A Huerta

“…Machine Learning: Science and Technology…”
Accéder au texte intégral

Stochastic gradient descent with random label noises: doubly stochastic models and inference stabilizer par Haoyi Xiong, Xuhong Li, Boyang Yu, Dongrui Wu, Zhanxing Zhu, Dejing Dou

“…Machine Learning: Science and Technology…”
Accéder au texte intégral

Multi-target quantum compilation algorithm par Vu Tuan Hai, Nguyen Tan Viet, Jesus Urbaneja, Nguyen Vu Linh, Lan Nguyen Tran, Le Bin Ho

“…Machine Learning: Science and Technology…”
Accéder au texte intégral

Effectual pre-processing with quantization error elimination in pose detector with the aid of image-guided progressive graph convolution network (IGP-GCN) for multi-person pose est... par Jhansi Rani Challapalli, Nagaraju Devarakonda

“…Machine Learning: Science and Technology…”
Accéder au texte intégral

Beware of diffusion models for synthesizing medical images—a comparison with GANs in terms of memorizing brain MRI and chest x-ray images par Muhammad Usman Akbar, Wuhao Wang, Anders Eklund

“…Machine Learning: Science and Technology…”
Accéder au texte intégral

A study of transfer learning in digital rock properties measurement par M I K Haq, I N Yulita, I A Dharmawan

“…Machine Learning: Science and Technology…”
Accéder au texte intégral

Neural network field theories: non-Gaussianity, actions, and locality par Mehmet Demirtas, James Halverson, Anindita Maiti, Matthew D Schwartz, Keegan Stoner

“…Machine Learning: Science and Technology…”
Accéder au texte intégral

Machine learning inspired models for Hall effects in non-collinear magnets par Jonathan Kipp, Fabian R Lux, Thorben Pürling, Abigail Morrison, Stefan Blügel, Daniele Pinna, Yuriy Mokrousov

“…Machine Learning: Science and Technology…”
Accéder au texte intégral

Unification of symmetries inside neural networks: transformer, feedforward and neural ODE par Koji Hashimoto, Yuji Hirono, Akiyoshi Sannai

“…Machine Learning: Science and Technology…”
Accéder au texte intégral

Neural network Gaussian processes as efficient models of potential energy surfaces for polyatomic molecules par J Dai, R V Krems

“…Machine Learning: Science and Technology…”
Accéder au texte intégral

Online meta-learned gradient norms for active learning in science and technology par Haiqi Dong, Amanda S Barnard, Amanda J Parker

“…Machine Learning: Science and Technology…”
Accéder au texte intégral

Reducing training data needs with minimal multilevel machine learning (M3L) par Stefan Heinen, Danish Khan, Guido Falk von Rudorff, Konstantin Karandashev, Daniel Jose Arismendi Arrieta, Alastair J A Price, Surajit Nandi, Arghya Bhowmik, Kersti Hermansson, O Anatole von Lilienfeld

“…Machine Learning: Science and Technology…”
Accéder au texte intégral

From STEM-EDXS data to phase separation and quantification using physics-guided NMF par Adrien Teurtrie, Nathanaël Perraudin, Thomas Holvoet, Hui Chen, Duncan T L Alexander, Guillaume Obozinski, Cécile Hébert

“…Machine Learning: Science and Technology…”
Accéder au texte intégral

ATSFCNN: a novel attention-based triple-stream fused CNN model for hyperspectral image classification par Jizhen Cai, Clotilde Boust, Alamin Mansouri

“…Machine Learning: Science and Technology…”
Accéder au texte intégral

CAD system for epileptic seizure detection from EEG through image processing and SURF-BOF technique par Mohammad H Alshayeji

“…Machine Learning: Science and Technology…”
Accéder au texte intégral

An exponentially-growing family of universal quantum circuits par Mo Kordzanganeh, Pavel Sekatski, Leonid Fedichkin, Alexey Melnikov

“…Machine Learning: Science and Technology…”
Accéder au texte intégral

Efficient determination of the Hamiltonian and electronic properties using graph neural network with complete local coordinates par Mao Su, Ji-Hui Yang, Hong-Jun Xiang, Xin-Gao Gong

“…Machine Learning: Science and Technology…”
Accéder au texte intégral

Quantum resources of quantum and classical variational methods par Thomas Spriggs, Arash Ahmadi, Bokai Chen, Eliska Greplova

“…Machine Learning: Science and Technology…”
Accéder au texte intégral

Deep learning representations for quantum many-body systems on heterogeneous hardware par Xiao Liang, Mingfan Li, Qian Xiao, Junshi Chen, Chao Yang, Hong An, Lixin He

“…Machine Learning: Science and Technology…”
Accéder au texte intégral

Machine learning-based compression of quantum many body physics: PCA and autoencoder representation of the vertex function par Jiawei Zang, Matija Medvidović, Dominik Kiese, Domenico Di Sante, Anirvan M Sengupta, Andrew J Millis

“…Machine Learning: Science and Technology…”
Accéder au texte intégral