본 논문에서는 가우시안 혼합 모델링(GMM)을 사용하여 짧은 중력파 과도 현상을 검출하는 cWB 알고리즘의 민감도와 견고성을 향상시킨 향상된 방법을 제시합니다.
관측 가능한 은하 데이터(이산 점 군집)에서 관측 불가능한 우주론적 장(연속 필드)을 재구성하기 위해 그래프 신경망(GNN)과 합성곱 신경망(CNN)을 결합한 새로운 하이브리드 모델을 개발했습니다.
본 논문에서는 군-컨볼루션 접근 방식을 사용하여 동변량 동적 시스템의 효율적인 학습 및 분석을 위해 대칭성을 Koopman 연산자 프레임워크에 통합하는 방법을 소개합니다.
화학 결합 기반 기계 학습 모델을 사용하여 액체 프로필렌 글리콜(PG) 및 폴리프로필렌 글리콜(PPG)의 유전 특성을 정확하게 예측하고, 이 모델의 전이 가능성을 검증했습니다.
Het-node2vec은 node2vec 알고리즘을 확장하여 이종 그래프를 효과적으로 임베딩하고, 그래프의 구조적 및 의미적 특성을 모두 캡처하여 노드 레이블 및 에지 예측 작업에서 최첨단 성능을 달성합니다.
본 논문에서는 기계 학습을 사용하여 다양한 우주론적 모델에서 선형 이론으로 진화된 암흑 물질의 2점 상관 함수를 정확하게 나타낼 수 있는 간결한 기저 함수 세트를 찾아내고, 이를 통해 우주론적 매개변수에 대한 모델 의존성을 줄이는 방법을 제시합니다.
본 논문에서는 측광 광대역 이미지만을 사용하여 광학 은하 스펙트럼을 예측할 수 있는 생성적 AI 방법을 제시하며, 이를 통해 대규모 측광 조사에서 얻은 데이터 세트만으로 분광학적 입력이 필요한 중요한 은하 특성을 얻을 수 있음을 보여줍니다.
대규모 언어 모델을 인간의 선호도에 맞춰 미세 조정하기 위해 순위 기반 선호도 데이터에서 직접 학습하고 평가 지표를 직접 최적화하는 새로운 방법인 DRPO(Direct Ranking Preference Optimization)를 제안합니다.
딥 콘트라스티브 학습을 사용하여 Gaia RVS 및 XP 스펙트럼과 같은 다중 모달 데이터에서 별 스펙트럼의 정보가 풍부한 표현을 생성하고, 이를 통해 별 매개변수 회귀, 분류 및 교차 모달 변환과 같은 다운스트림 작업에서 뛰어난 성능을 달성할 수 있습니다.
이 연구는 대규모 구조 (LSS) 데이터에서 패리티 위반을 감지하기 위해 이미지 기반 및 기하학적 접근 방식을 포함한 다양한 기계 학습 방법을 사용했지만, 유의미한 수준의 패리티 위반을 발견하지 못했습니다.