Денис Аветисян

Искусственный интеллект в беспроводной связи: как проверить надежность моделей?

от

В сетях беспроводной связи, управляемых искусственным интеллектом, возникают разнообразные уязвимости, требующие новых подходов к криминалистике: от идентификации моделей по радиочастотному

В статье рассматриваются методы проверки подлинности и выявления уязвимостей моделей искусственного интеллекта, используемых в современных беспроводных сетях.

Скрытые Симметрии: От Теории к Квантовым Автоматам

от

Новое исследование раскрывает связь между неинвертируемыми симметриями в тензорных произведениях гильбертовых пространств и возможностью их реализации с помощью квантовых клеточных автоматов.

Ожившие движения: реалистичная генерация видео с физически достоверными действиями человека

от

Для оценки качества человеческих движений предлагается подход, восстанавливающий трехмерные SMPL-модели из сгенерированных видео и помещающий их в физический симулятор, что позволяет получать декомпозированные, физически обоснованные оценки, а также последовательно улучшать качество движений посредством обучения с подкреплением и структурированной системы вознаграждений.

Новый подход позволяет создавать более правдоподобные видео с человеческими движениями, опираясь на принципы физики и симуляции.

Путь к Открытию: Как Предсказать Научные Прорывы

от

На основе анализа контекстов последующих цитирований, создаются пути научного прогресса, где вклад каждой работы выявляется через её повторное использование, позволяя одной публикации демонстрировать множественные целевые вклады, а эксперты, анализируя эти пути, формируют последовательности, включающие предшествующие работы, обоснования решений и функциональные роли, подкрепленные доказательствами, как это демонстрируется на примере формирования данных для обучения моделей.

Новое исследование предлагает подход к прогнозированию научных достижений, фокусируясь не только на цитировании, но и на выявлении ключевых факторов, необходимых для реализации конкретных научных задач.

Ошибки DFT: Почему «новое» не всегда лучше?

от

Ранжирование функционалов по ошибке, обусловленной плотностью [latex]\Delta E^{D}_{\rm xc}[/latex], демонстрирует тесную взаимосвязь с ранжированием по ошибке плотности (RMSD[n(r)]), при этом коэффициенты корреляции Пирсона, рассчитанные для каждого уровня функционалов, подтверждают эту зависимость на различных системах, за исключением MN12-L в анализе NaCl.

Новое исследование показывает, что выбор функционала в теории функционала плотности (DFT) не всегда приводит к повышению точности, а ключевым фактором может быть качество представления электронной плотности.

Запутанные линии: Новый тест для искусственного интеллекта

от

Набор данных CurveBench демонстрирует репрезентативные примеры из каждой категории, позволяя оценить и сравнить различные подходы к решению задач, связанных с кривыми.

Ученые представили масштабный набор данных и эталон для оценки способности моделей искусственного интеллекта понимать и анализировать сложные пространственные отношения между кривыми на изображениях.