David Shih

Leo M et Leo K apportent de nouvelles perspectives sur la formation des galaxies.

Les chercheurs utilisent l'apprentissage machine pour améliorer la détection d'anomalies en physique des particules.

Une nouvelle méthode accélère les simulations en physique des particules en utilisant des techniques de super-résolution.

CATHODE propose une nouvelle façon de dénicher des particules dans les expériences de collisionneurs.

Une étude révèle que les arbres de décision boostés excellent dans des environnements de données bruyantes pour la détection d'anomalies.

Combiner des modèles génératifs et une estimation du maximum de vraisemblance améliore la précision de la calibration des détecteurs.

Les flux stellaires offrent des aperçus sur l'histoire et la dynamique des galaxies.

Des chercheurs utilisent l'apprentissage automatique pour analyser des modèles de physique complexes au-delà du Modèle Standard.

Des scientifiques trouvent de meilleures façons de repérer des signaux rares dans les données.

L'apprentissage profond propulse la recherche en physique des particules avec l'énorme dataset AspenOpenJets.