实体
Riemannian Flow Matching
Riemannian Flow Matching
PulseAugur coverage of Riemannian Flow Matching — every cluster mentioning Riemannian Flow Matching across labs, papers, and developer communities, ranked by signal.
总计 · 30天
1
90 天内 3
发布 · 30天
0
90 天内 0
论文 · 30天
1
90 天内 3
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 3 条
-
AI模型直接从LHC碰撞数据中学习标准模型物理学
研究人员开发了一种名为ShellFlow的基于Transformer的生成模型，可以直接从Large Hadron Collider收集的数据中学习粒子物理学标准模型的结构。该模型在ATLAS Open Data发布的约十亿次碰撞事件上进行训练，无需超出基本运动学公式的明确先验知识，即可重现各种物理现象。ShellFlow成功学习了粒子内运动学、双轻子共振、Weinberg角以及W玻色子和顶夸克的质量，证明了标准模型的重要部分可以直接…
-
STREAM框架使用黎曼流匹配增强组织病理图像生成
研究人员开发了STREAM，一种用于生成合成组织病理图像的新颖框架。该方法通过使用预训练的视觉基础模型作为潜在空间本身，解决了现有模型中出现的“条件崩溃”问题。STREAM将黎曼流匹配应用于这些特征的超球面，并结合独特的各向异性解码器来提高图像质量和多样性。该框架在乳腺癌和结直肠癌数据集上展示了最先进的性能。
-
BRICKS模型使用神经马尔可夫核进行零样本辐射-物质模拟
研究人员开发了BRICKS，一种使用组合式神经马尔可夫核模拟辐射-物质相互作用的新方法。该方法采用混合离散-连续Transformer模型和黎曼流匹配来预测粒子行为和辐射副作用。该系统能够以零样本方式模拟未见的材料分布，并且设计为可微分的，为未来的应用提供了潜力。此外，还发布了一个包含2000万个辐射-物质相互作用事件的新数据集，以支持进一步的研究。