spectroscopy
PulseAugur coverage of spectroscopy — every cluster mentioning spectroscopy across labs, papers, and developer communities, ranked by signal.
2 天有情绪数据
-
新的HERO训练方法提高了神经算子长时域的准确性
研究人员引入了HERO（History-Enriched Rollout Training，历史增强回滚训练），一种旨在提高自回归神经算子长时域准确性的新方法。该技术解决了模型递归使用自身预测时误差累积的问题，这是模拟时间相关偏微分方程时的一个常见问题。HERO通过整合源自模型优化历史的相对监督来增强标准训练，使用一组排序的候选回滚来建立更具信息量的比较基线。在九个PDE基准上的实验表明，HERO在不增加推理时间的情况下，始终提高了长…
-
新的 SpecTraL 方法改进了视觉 Transformer 的联邦 LoRA
研究人员开发了一种名为 SpecTraL 的新方法，用于使用低秩适配器 (LoRA) 改进视觉 Transformer (ViTs) 的联邦学习。该方法解决了现有策略的局限性，例如 LoRA 因子的一致性平均和连接本地适配器带来的下载成本增加。SpecTraL 在低秩潜在空间中利用 Householder 变换和随机矩阵理论的原理，将全局共识信号与噪声分离，从而无需手动调整即可发现最优的层级全局秩。实验表明，SpecTraL 增强了准…
-
SPECTRA方法增强了对代表性不足数据的分子性质预测
研究人员推出了一种新颖的分子图生成方法SPECTRA，该方法提高了对代表性不足但化学上相关的分子性质的预测准确性。该方法通过关注稀有数据区域，解决了标准误差最小化和过采样技术的局限性。SPECTRA结合了稀有感知预算、目标邻居图对齐和拉普拉斯谱插值，与现有的最先进方法相比，在计算时间显著减少的情况下实现了具有竞争力的性能。