实体
Monte Carlo method
Monte Carlo method
PulseAugur coverage of Monte Carlo method — every cluster mentioning Monte Carlo method across labs, papers, and developer communities, ranked by signal.
总计 · 30天
4
90 天内 4
发布 · 30天
0
90 天内 0
论文 · 30天
4
90 天内 4
层级分布 · 90 天
主题
情绪 · 30 天
1 天有情绪数据
最近 · 第 1/1 页 · 共 4 条
-
新的SMART框架使用机器学习加速数字电路可靠性分析
研究人员开发了SMART，一个结合了机器学习和蒙特卡洛模拟的新框架，用于加速数字电路中晶体管老化和工艺变化的分析。该方法使用随机森林回归和贝叶斯优化来预测门延迟分布，显著减少了分析时间并保持了高精度。SMART旨在为设计更可靠的数字系统提供可扩展的解决方案，以解决深纳米CMOS技术中传统仿真方法的局限性。
-
深度学习解锁探测器中的皮秒光子计时
研究人员开发了一种新颖的深度学习方法，能够精确测量闪烁探测器中单个光子的到达时间，这在以前受限于多个光子的集体响应。该技术无需修改探测器硬件，并使用无监督学习，实现了皮秒级的时间分辨率，这对于PET扫描等先进的医学成像至关重要。该方法已通过模拟和实验得到验证，展示了改进的时间分辨率，并为光子传输和分类提供了见解。
-
AI模型模拟奶牛场脱碳的肥料采纳
研究人员开发了一个基于主体的建模框架，用于模拟爱尔兰奶牛场低排放肥料的采纳情况。该模型结合了社会传染、农场特征和政策干预，以预测脱碳轨迹。它估算了温室气体排放和成本权衡，与观察到的采纳模式高度一致，并预测饱和水平约为91%。
-
新的AI研究探索用于不确定性估计和贝叶斯推断的先进方法
研究人员开发了一个新的变分贝叶斯框架，该框架直接针对后验预测分布，联合学习后验和预测分布的近似值。这种方法旨在提高贝叶斯预测推断的计算效率和准确性，尤其是在固力学等复杂模型中。该方法将计算工作转移到离线阶段，从而实现更快的在线推断，并与传统的两阶段方法相比，表现出优越的性能。