其他arXiv cs.LG4 天前
Learning Topology-Aware Representations for Mechanics-Relevant TPMS Metamaterials
该论文提出拓扑感知表示学习框架,将持续同调融入DMAE骨干网络,显式编码TPMS机械超材料的全局结构连通性。通过持续引导掩码和辅助同调解码器,在家族分类、力学性能分类、无监督聚类和回归任务上均取得提升,聚类性能最高提升51.5%,为复杂三维力学超材料的表示学习提供了有效的拓扑归纳偏置。
每日自动追踪全球权威信源,模型生成中文摘要与有效期判断,人工抽检把关。 不追热点,只留经得起推敲的那一部分。
AI 与可被 AI 赋能的行业方向,每个领域独立成脉
共 2 条符合条件
该论文提出拓扑感知表示学习框架,将持续同调融入DMAE骨干网络,显式编码TPMS机械超材料的全局结构连通性。通过持续引导掩码和辅助同调解码器,在家族分类、力学性能分类、无监督聚类和回归任务上均取得提升,聚类性能最高提升51.5%,为复杂三维力学超材料的表示学习提供了有效的拓扑归纳偏置。
PRISM 提出一种面向 LLM 多智能体系统的拓扑生成后训练方法:利用同一查询下另一个已验证可行图作为"特权兄弟"信息,通过零初始化低秩分支让教师模型提供逐决策监督,使学生模型学到查询级偏好,避免 SFT 偏向语料高频拓扑。在六个基准上优于现有拓扑设计基线。