Brandon Yee
PulseAugur coverage of Brandon Yee — every cluster mentioning Brandon Yee across labs, papers, and developer communities, ranked by signal.
-
束-等离子体振荡理论通过AI检测得到验证
研究人员开发了一个理论和计算框架，用于理解强带电粒子束中的集体振荡。该框架基于动力学场理论，并通过粒子模拟得到验证，预测了特定的等离子体共振和束展宽效应。研究还利用了Prometheus（一个beta变分自编码器）来检测模拟数据中的这些集体现象，成功识别了等离子体振荡的发生和异常。
-
新AI模型减少了对已标记仿真数据的需求
研究人员推出了一种新颖的神经算子预训练框架PI-JEPA，旨在减少多物理场仿真中对大量已标记仿真数据的需求。该方法利用未标记的参数场和基于物理信息的方法，能够以显著更少的完整PDE求解进行有效训练。与FNO和DeepONet等现有模型相比，PI-JEPA表现出更优越的性能，尤其是在有限的已标记运行中进行微调时，从而降低了部署多物理场代理所需的仿真预算。
-
新的测地线语义搜索方法改进了引文图谱导航
研究人员开发了测地线语义搜索（GSS），这是一种新颖的检索系统，它使用学习到的、特定于节点的黎曼度量来导航引文图谱。与依赖固定欧几里得距离的传统方法不同，GSS学习局部度量以实现几何感知的语义搜索。与现有基线相比，该方法在 169,000 篇 arXiv 论文的基准测试中，引文预测召回率相对提高了 23%。
-
Prometheus框架助力无监督发现量子相序
一篇研究论文详细介绍了Prometheus变分自编码器框架在研究$J_1$-$J_2$海森堡模型复杂相图中的应用。该研究结合了精确对角化和一种新颖的基于约化密度矩阵（RDM）的方法，使得研究能够超越计算上不可行的全波函数分析的限制。该框架成功识别了关键的序参量，并捕捉到了Néel到条纹相的交叉，为分析受挫量子系统建立了一条可扩展的机器学习途径。