光学ニューラルエンジンアーキテクチャは、フーリエ空間処理と実空間処理を組み合わせることで、さまざまな分野の偏微分方程式を高速かつ効率的に解くことができる。
動的な浮動小数点精度調整により、低ビット幅でも高精度な科学計算を実現できる。
量子ニューラルネットワークのデータエンコーディング部分に訓練可能なパラメータを導入することで、問題に適した周波数スペクトルを学習できるようになり、従来の固定周波数モデルよりも高精度な解を得られることを示した。
Radical-Cylonは、異種データパイプラインを科学計算に提供する。
信頼性のある数値計算は重要であり、浮動小数点演算はエラーを起こしやすい。この論文では、FlowFPXというツールキットが浮動小数点例外をシステマティックにデバッグするために開発されたことを紹介しています。
64ビットのPosit算術を科学計算で探求する。
既存の高性能コードをJAXに接続するためのJAXbindパッケージの重要性と利便性。
厳密な時間連続性を強制するHCS-PINNメソッドは、従来のPINNsよりも優れた収束と精度を示す。
一般化多項式シルベスター方程式の反復解法に対する代数的パラメータフリーの事前処理技術を開発する。