实体
PCGrad
PCGrad
PulseAugur coverage of PCGrad — every cluster mentioning PCGrad across labs, papers, and developer communities, ranked by signal.
总计 · 30天
1
90 天内 2
发布 · 30天
0
90 天内 0
论文 · 30天
1
90 天内 2
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 2 条
-
新方法改进物理信息神经网络的训练
研究人员开发了Norm-PCGrad，一种新颖的方法，用于在域分解中使用时改进物理信息神经网络（PINNs）和物理信息Kolmogorov-Arnold网络（PIKANs）的训练。该技术解决了在损失函数中组合残差项、边界项和接口项时出现的梯度冲突问题。Norm-PCGrad在各种2D和3D问题上展示了最先进的准确性，且计算开销极小。此外，该研究提出使用可分离架构（如SPINN）来增强域分解框架内的计算效率。
-
新型Lantern模型将物理学与扩散模型相结合，用于LHC量热仪模拟
研究人员开发了Lantern，这是一种新颖的物理引导扩散模型，旨在改进高亮度LHC量热仪的模拟。与以往的方法不同，Lantern通过引入物理感知辅助损失（包括体素残差损失和图拉普拉斯损失）来解决扩散模型的统计性质，以确保物理准确性。该模型利用一种称为GradBlend的技术，有效地将这些基于物理的目标与标准的去噪目标相结合，从而在CaloChallenge Dataset 2上取得了改进的性能。