Derniers articles pour Science computationnelle

Explore les concepts clés des variétés de Grassmann, des drapeaux et de Stiefel, et leurs applications.

CGRL s'attaque aux défis des GNNs, améliorant la classification malgré le biais de popularité et le bruit.

La recherche introduit un potentiel d'auto-interaction pour améliorer les prédictions de la Théorie de la Fonctionnelle de Densité.

Apprends comment la programmation dynamique inverse profonde s'attaque aux équations différentielles partielles non linéaires.

Un aperçu des complexités dans la modélisation des événements de fusion des étoiles à neutrons.

Découvrez PSNE, une méthode pour améliorer les embeddings de réseau de façon efficace et performante.

L'apprentissage automatique accélère les calculs de surfaces d'énergie potentielle pour des molécules comme l'éthanol.

Des recherches montrent une meilleure performance des modèles de langue grâce à une computation adaptative au moment du test.

Un aperçu des méthodes numériques de haut ordre pour la dynamique des fluides.

Une nouvelle méthode améliore les prévisions des fonctions des protéines en utilisant des techniques avancées.

L'IA facilite la création de circuits quantiques grâce à de meilleures méthodes de synthèse.

Une nouvelle approche pour le clustering des données de dynamique moléculaire afin d'améliorer le design de médicaments.

Une nouvelle méthode améliore les solutions aux PDE elliptiques complexes en ingénierie et en sciences.

Une approche innovante relie efficacement les simulations N-corps à des décomptes de galaxies précis.

Les collisions d'ions lourds donnent un aperçu du plasma quark-gluon et de la matière nucléaire.

Une nouvelle approche pour améliorer la précision des lois de conservation hyperboliques en utilisant des filtres de saut.

Cet article présente une nouvelle méthode pour simuler des systèmes quantiques avec des forces changeantes.

Cet article parle d'améliorer l'efficacité des VPINNs en utilisant les moindres carrés et la descente de gradient.

MAPred combine les données de séquence et de structure pour de meilleures prédictions de la fonction des enzymes.

Explorer comment le RL améliore les modèles de diffusion pour des résultats ciblés.

Des recherches montrent comment l'énergie se déplace dans les systèmes quantiques grâce à des simulations avancées.

De nouvelles méthodes améliorent la gestion de la perte de photons dans l'informatique quantique.

Un aperçu de la Méthode des Coordonnées Génératrices Étendues en physique nucléaire.

HiFuse améliore la vitesse et l'efficacité des réseaux de neurones graphiques hétérogènes.

Une nouvelle méthode pour l'estimation des ressources dans les circuits de calcul quantique.

Une nouvelle heuristique améliore la recherche de solutions dans les problèmes de MILP.

Un nouvel outil améliore la modélisation du comportement des rayons gamma dans l'univers.

Des avancées récentes dans l'étude de la matière dense chaude en utilisant la SPH de Bohm montrent des résultats prometteurs.

cuVegas améliore l'efficacité de l'intégration numérique en utilisant la technologie GPU pour des tâches complexes.

Ce papier parle du rôle des fonctions de corrélation de bain dans les systèmes quantiques ouverts.

Explore comment des pas de temps aléatoires améliorent les solutions aux équations différentielles ordinaires.

De nouvelles fonctions d'activation améliorent les réseaux de neurones pour résoudre des équations complexes.

Un aperçu des méthodes multigrilles espace-temps et de leurs applications dans divers domaines.

Un aperçu de comment les flux récurrents aident à analyser la turbulence.

De nouvelles méthodes améliorent la compréhension du mouvement des particules et de l'énergie dans des systèmes complexes.

Découvre comment les modèles de langage protéique aident à prédire les comportements et les fonctions des protéines.

Un nouveau modèle, XPaiNN, améliore les prédictions en chimie quantique en utilisant des approches d'apprentissage automatique.

De nouvelles techniques améliorent l'efficacité des échantillonnages et des calculs d'énergie en chimie quantique.

L'échantillonnage persistant améliore l'efficacité des méthodes de Monte Carlo séquentielles pour l'analyse de données.

mBLOR fonctionnel améliore la Théorie de la Fonction Densité pour de meilleures prédictions de matériaux.