silicon dioxide
PulseAugur coverage of silicon dioxide — every cluster mentioning silicon dioxide across labs, papers, and developer communities, ranked by signal.
-
新框架改进了静电相互作用的MLIP
研究人员开发了一个新的机器学习原子间势（MLIP）框架，该框架能更好地处理静电效应。该框架将现有模型视为密度泛函理论（DFT）的粗粒化近似，阐明了学习量的假设和物理意义。研究团队使用MACE架构在此设计空间内实现了并比较了各种模型，并在金属-水界面和二氧化硅中的带电空位上评估了它们的性能。他们的发现表明，当前的MLIP存在局限性，需要更具表现力的自洽模型来解决模拟具有显著静电相互作用的系统中的失败问题。
-
新的AI管线使用扩散模型进行玻璃深度和分割
研究人员开发了SILICA，这是一个利用文本到图像扩散模型来改善透明表面感知的全新管线。该方法联合预测玻璃分割和玻璃感知深度，无需成对的真实世界玻璃深度标注。通过交换互信息，SILICA建立了强大的空间层次结构，并使用预测的分割掩码来过滤来自标准传感器的错误深度点，从而恢复准确的度量玻璃深度，应用于3D映射和自主导航等领域。在新型Mirage 18k数据集上的实验表明，SILICA在各种环境中实现了显著的零样本迁移能力，性能优于现有的最先进模型。
-
新的SILICA方法使用扩散模型进行准确的玻璃深度估计
研究人员开发了SILICA，这是一个新的流程，它使用文本到图像的扩散模型来改进玻璃等透明表面的深度估计。这种方法利用现有的图像先验来联合预测玻璃分割和深度，无需专门的玻璃深度标注。通过使用预测的分割来过滤掉标准传感器中不正确的深度点，SILICA实现了准确的度量玻璃深度，增强了3D映射和自主导航。该系统在新的Mirage 18k数据集上展示了显著的零样本迁移能力，性能优于当前最先进的方法。
-
物理学家创造了基于液体的粒子计算机，但落后于忆阻器
物理学家开发了一种新颖的计算系统，使用在液体中运行的400个微小粒子，能够执行混沌信号预测和异常检测。这种在Communications AI & Computing上详细介绍的流体硬件利用激光驱动的二氧化硅球体来创建计算存储库。虽然在任务中表现出精细度，但该系统的准确性大约是基于忆阻器的竞争对手的十分之一，其实际适用性仍在研究中。