实体
Physics-informed Neural Fields
Physics-informed Neural Fields
PulseAugur coverage of Physics-informed Neural Fields — every cluster mentioning Physics-informed Neural Fields across labs, papers, and developer communities, ranked by signal.
总计 · 30天
0
90 天内 2
发布 · 30天
0
90 天内 0
论文 · 30天
0
90 天内 2
层级分布 · 90 天
主题
最近 · 第 1/1 页 · 共 2 条
-
光子量子场在物理信息人工智能学习方面展现出潜力
研究人员开发了一种新颖的光子量子神经网络，该网络利用可训练的光学相位和干涉来学习物理信息偏微分方程（PDE）。该方法使用光子测量作为表示学习机制，在复杂区域的表现优于经典坐标和傅里叶特征网络，参数更少，性能提升高达一个数量级。该方法在科学机器学习方面显示出潜力，尤其是在残差导数放大相位失配的情况下。
-
新的物理信息神经网络场增强黑洞成像
研究人员开发了 PI-DEF，一种用于动态 3D 黑洞成像的新型物理信息神经渲染方法。该方法改进了之前的技术（如 BH-NeRF），因为它不假设开普勒动力学，而开普勒动力学在黑洞附近不准确。PI-DEF 联合重建发射场和速度场，将速度作为发射场动力学的软约束，从而实现更准确的重建，并有可能估计黑洞物理参数（如自旋）。