本研究結合密度泛函理論 (DFT) 和機器學習 (ML) 來預測 CsSnI$_3$ 中缺陷的形成能和電荷躍遷能級,確定了關鍵缺陷形成描述符,並確定了幾種可以抑制 p 型自摻雜的潛在摻雜劑。
본 연구는 CsSnI$_3$ 페로브스카이트의 p형 자가 도핑 문제를 해결하기 위해 밀도범함수 이론(DFT)과 머신러닝(ML)을 결합하여 치환 도펀트의 형성 에너지 및 전하 전이 레벨을 예측하는 모델을 개발하고, 도핑을 통한 결함 엔지니어링 가능성을 제시합니다.
本稿では、CsSnI$_3$ペロブスカイト材料におけるp型自己ドーピングを抑制するための、第一原理計算と機械学習を用いた効果的なドーパント元素の特定と、欠陥形成エネルギーと電荷遷移レベルの予測モデルの開発について論じている。
OpenUAS는 다양한 도시 및 기간에 걸쳐 지역 기능을 분석하고 비교할 수 있는 앵커 데이터 기반 지역 임베딩 데이터셋을 제공하여 도시 분석 연구에 활용될 수 있습니다.
本稿では、都市の地域利用パターンに基づく地域埋め込みデータセット「OpenUAS」を公開し、異なる都市や期間における地域機能の比較分析を可能にするアンカーデータを用いた埋め込み手法を提案する。
This paper introduces C-PG, a novel policy gradient framework for constrained reinforcement learning that guarantees global last-iterate convergence for both action-based and parameter-based exploration paradigms, addressing limitations of existing methods.
オンライン反復強化学習from Human Feedback (RLHF)は、オフライン手法と比較して、大規模言語モデルの調整において大幅に優れたパフォーマンスを発揮する。
本文提出了一種用於迴歸斷點設計的雙重穩健估計器 (DR-RD),即使定位函數或條件結果估計器其中之一不一致,該估計器也能保持一致性,並在滿足特定條件下實現 √n 一致性,簡化了統計推斷。
本稿では、回帰不連続デザインにおける処置効果の推定において、従来のノンパラメトリック回帰手法の限界を克服するために、二重にロバストな推定量であるDR-RD推定量を提案する。DR-RD推定量は、局所化関数と条件付き期待アウトカムの2つの推定量を組み合わせることで、いずれかの推定量が一致してさえいれば、処置効果の推定量の一致性が保証される。さらに、特定の条件下では、√n一致性を達成し、従来手法で必要とされた複雑な統計的推論を簡素化する。
본 논문에서는 대규모 언어 모델(LLM)을 활용하여 사용자가 정의한 인과 구조를 가진 데이터를 생성하고, 이를 통해 인과 추론 방법론을 평가하는 새로운 벤치마크를 제시합니다.