Artigos mais recentes para Computação Científica

Aprenda como as PINNs combinam aprendizado de máquina e física pra resolver problemas complexos.

Descubra como o Python ajuda a reduzir o consumo de energia em sistemas complexos.

Explorando o impacto do PETScML na aprendizagem de máquina científica por meio de métodos de segunda ordem.

Gerenciando grandes dados de forma eficiente com técnicas de aproximação de tensor-train de baixa classificação.

Uma visão geral dos esquemas de volume finito e suas aplicações em análise numérica.

Explorando o papel dos algoritmos randomizados em simplificar dados complexos.

CViT junta aprendizado de operador com campos neurais condicionados pra melhorar modelagem científica.

Discutindo métodos pra melhorar a gestão de dados no treinamento de grandes modelos de IA.

Métodos de GPU melhoram os cálculos de elementos finitos adaptativos, tornando tudo mais rápido e eficiente.

Um novo método melhora o treinamento de redes neurais que resolvem equações diferenciais parciais.

Um novo método melhora o desempenho da multiplicação de matrizes usando matrizes esparsas.

Descubra como o aprendizado de máquina tá lidando com equações diferenciais parciais complexas.

Uma nova abordagem usa transformers pra melhorar a eficiência e flexibilidade na resolução de PDEs.

Novas técnicas para aproximações rápidas de matrizes de kernel usando métodos de Chebyshev e tensor train.

Esse artigo fala sobre a importância de aprender operadores em espaços de Banach pra computação científica.

Esse método melhora a compreensão do comportamento do modelo através das relações de entrada e saída.

Saiba como a TCI divide grandes dados para facilitar a análise.

Esse artigo analisa a aplicação de redes neurais na resolução de equações de difusão e reação.

DASTAC melhora os cálculos de tensores juntando técnicas densas e esparsas pra ser mais eficiente.

Este artigo analisa a eficiência do matvec em ambientes com uma ou várias GPUs.

Explorando taxas de aprendizado melhores em redes neurais para computação científica.

CausalRegNet melhora o aprendizado de estruturas causais por meio da geração de dados realistas.

Novos métodos melhoram o treino e o desempenho das Redes Kolmogorov-Arnold Informadas por Física.

Usando FPGAs e ferramentas HLS pra melhorar os cálculos de FTLE em dinâmica de fluidos.

Um novo método usando ray tracing pra interação eficiente de partículas em espaços 3D.

Um novo framework melhora o processamento de redes neurais para pesquisa científica.

PINNs juntam física com dados pra resolver problemas científicos complexos de forma eficiente.

Um novo método melhora a precisão dos modelos na análise estatística.

Esse artigo analisa como a integração de Coarray e CUDA Fortran melhora o desempenho computacional.

Um novo método melhora a qualidade das malhas tetraédricas na modelagem 3D.

Um novo compressor melhora o desempenho do GMRES na resolução de equações lineares.

Reduzindo a precisão dos cálculos sem perder a exatidão usando a tecnologia R2F2.

O QHyper simplifica o uso da computação quântica para tarefas de otimização combinatória.

Um novo método melhora a eficiência das simulações de partículas carregadas.

Botfip-LLM junta dados diversos pra melhorar a compreensão em computação científica.

Aprenda a lidar com as complexidades de matrizes indefinidas com estratégias eficazes.

Operadores neurais oferecem novas soluções para equações diferenciais parciais complexas na ciência e na engenharia.

Descubra como as regras de quadratura e splines funcionam juntas na análise numérica.

Aprenda como operadores neurais transformam a computação científica e resolvem problemas complexos.

Uma olhada em como a Teoria de Campo Eficaz simplifica as interações de partículas.