图像生成

Learning Whole-Body Humanoid Locomotion via Motion Generation and Motion Tracking

通过动作生成与动作追踪学习全身体态的人形运动

Zewei Zhang, Kehan Wen, Michael Xu, Junzhe He, Chenhao Li, Takahiro Miki, Clemens Schwarke, Chong Zhang, Xue Bin Peng, Marco Hutter

机构 * Robotic Systems Lab, ETH Zuirch（苏黎世联邦理工学院机器人系统实验室） ； Simon Fraser University（西蒙弗雷泽大学） ； ETH AI Center, ETH Zurich（苏黎世联邦理工学院人工智能中心） ； EPFL（苏黎世联邦理工学院） 纠错

专题命中 扩散模型 ：diffusion(abstract)

AI总结 本文提出结合参考动作学习与地形感知适应的全身体态人形运动框架，通过扩散模型预测地形感知参考动作，并利用强化学习训练全身体态追踪器，提升在不同地形上的适应能力。

Wealth Taxation as a Drift Modification: A Fokker-Planck Approach to Tax Neutrality

财富税收作为漂移修正：基于福克-普朗克方法的税收中性研究

Anders G Frøseth

专题命中 扩散模型 ：diffusion(abstract)

AI总结 本文通过随机动力学和统计物理语言重新表述中性财富税框架，探讨税收中性在不同经济因素下的表现与影响。

Comments 35 pages, 4 figures, 1 table. v3: Heston-section Brownian motions renamed and defined explicitly (W^(1,2) -> B^(1,2)), removing a notational collision with wealth W in eq. (31); bibliography updated with arXiv identifiers for companion papers. v2: sqrt(F) attribution corrected; Bernard et al. citation added

Kinetic models of opinion-driven epidemic dynamics modulated by graphons

意见驱动的流行病动态的动能模型：受图论调节

Andrea Bondesan, Jacopo Borsotti, Mattia Fontana

专题命中 扩散模型 ：diffusion(abstract)

AI总结 本文提出动能模型模拟流行病传播，考虑个体对防护行为的意见。通过图论表示社交网络，研究意见领袖的存在与否。证明在强L^1范数下收敛，并设计保持结构的方案，突出图论效应，分析意见领袖对疾病传播的影响及流行病波的生成机制。

Differential Machine Learning for 0DTE Options with Stochastic Volatility and Jumps

差分机器学习用于具有随机波动率和跳跃的零天到期期权

Takayuki Sakuma

专题命中 扩散模型 ：diffusion(abstract)

AI总结 本文提出了一种差分机器学习方法，用于在随机波动率跳跃扩散模型下处理零天到期期权，通过结合价格和希腊字母的监督以及PIDE残差惩罚，提高了跳跃项的近似能力，同时保持了定价误差的可比性，并在希腊字母计算、delta对冲和速度方面表现出色。

A time-nonlocal multiphysics finite element method with Crank-Nicolson scheme for poroelasticity model with secondary consolidation

一种具有Crank-Nicolson方案的时间非局部多物理有限元方法用于含次级固结的孔隙弹性模型

Yanan He, Zhihao Ge

专题命中 扩散模型 ：diffusion(abstract)

AI总结 本文提出一种时间非局部多物理有限元方法，用于含次级固结的孔隙弹性模型，通过引入辅助变量重构模型并采用高阶Taylor-Hood混合有限元和Crank-Nicolson方案进行求解，证明了弱解的存在唯一性并推导了最优误差估计。

Local Message-Passing for Discrete Graph Generation

可扩展编码器是否必要用于离散图生成？

Jay Revolinsky, Harry Shomer, Jiliang Tang

机构 * Michigan State University（密歇根州立大学） ； University of Texas - Arlington（德克萨斯大学-阿灵顿） 纠错

专题命中 扩散模型 ：diffusion(abstract)

AI总结 本文提出GenGNN框架，通过模块化消息传递实现高效离散图生成，展示其在Tree、Planar和分子生成任务中的高有效性及速度优势。

Comments 11 pages, 6 figures, 3 tables

Task Parameter Extrapolation via Learning Inverse Tasks from Forward Demonstrations

通过从正向演示中学习逆向任务进行任务参数外推

Serdar Bahar, Fatih Dogangun, Matteo Saveriano, Yukie Nagai, Emre Ugur

机构 * Bogazici University（博雅科技大学） ； University of Trento（特伦托大学） ； The University of Tokyo（东京大学） 纠错

专题命中 扩散模型 ：diffusion(abstract)

AI总结 本文提出了一种基于任务逆向学习的联合学习方法，通过利用辅助正向演示实现准确且高效的知识转移，以解决机器人学习中的泛化问题。

Comments Accepted for publication in IEEE RA-L

Probabilistic Wind Power Forecasting with Tree-Based Machine Learning and Weather Ensembles

基于树形机器学习和天气集成的概率风力发电预测

Max Bruninx, Diederik van Binsbergen, Timothy Verstraeten, Ann Nowé, Jan Helsen

机构 * Vrije Universiteit Brussel（布鲁塞尔自由大学） ； Norwegian University of Science and Technology（挪威科学技术大学） 纠错

专题命中 扩散模型 ：diffusion(abstract)

AI总结 本文提出利用树形机器学习和天气集成方法，提高风力发电的概率预测精度，实验结果显示其在误差降低和预测准确性方面优于传统方法。

CoGenCast: A Coupled Autoregressive-Flow Generative Framework for Time Series Forecasting

CoGenCast：用于时间序列预测的耦合自回归流生成框架

Mingyue Cheng, Yaguo Liu, Daoyu Wang, Xiaoyu Tao, Qi Liu

机构 * State Key Laboratory of Cognitive Intelligence, University of Science and Technology of China（认知智能国家重点实验室，中国科学技术大学） 纠错

专题命中 扩散模型 ：diffusion(abstract)

AI总结 针对时间序列预测需兼顾语义理解与随机建模的问题，提出CoGenCast框架，将预训练大语言模型与流匹配机制结合，通过修改注意力拓扑重配置模型，集成流匹配机制捕捉动态，实现多模态预测和跨域统一训练，实验显示性能具竞争力。

SFO: Learning PDE Operators via Spectral Filtering

SFO：通过谱滤波学习偏微分方程算子

Noam Koren, Rafael Moschopoulos, Kira Radinsky, Elad Hazan

机构 * Technion - Israel Institute of Technology（技术离子-以色列理工学院） ； Princeton University（普林斯顿大学） 纠错

专题命中 扩散模型 ：diffusion(abstract)

AI总结 研究如何让神经算子有效捕捉偏微分方程解映射中的长程非局部相互作用，提出谱滤波算子SFO，利用通用谱基参数化积分核，通过学习快速衰减特征值的谱系数实现高效表示，在六个基准测试中达最优精度，大幅降误差并减少参数。

Efficient Inference in First Passage Time Models

首次通过时间模型中的高效推理

Sicheng Liu, Alexander Fengler, Michael J. Frank, Matthew T. Harrison

专题命中 扩散模型 ：diffusion(abstract)

AI总结 研究首次通过时间模型中广义漂移扩散模型似然函数计算难题，提出基于满足切尔卡索夫条件的随机微分方程的快速灵活算法，该算法能准确计算似然且速度优于现有方法。

Comments 40 pages, 10 figures (incl. appendix); final revised version

Journal ref Statistics and computing, 36(3), 101 (2026)

IEnSF: Iterative Ensemble Score Filter for Reducing Error in Posterior Score Estimation in Nonlinear Data Assimilation

IEnSF：用于减少非线性数据同化中后验分数估计误差的迭代集成分数滤波器

Zezhong Zhang, Feng Bao, Guannan Zhang

专题命中 扩散模型 ：diffusion(abstract)

AI总结 研究针对非线性数据同化中后验分数估计误差问题，提出迭代集成分数滤波器（IEnSF），通过迭代算法改进似然分数函数条件期望近似准确性，减少估计误差，提高跟踪高维动力系统的精度。

Comments 38 pages, 11 figures

McKean-Vlasov SDEs with Bounded Measurable Interaction

具有有界可测相互作用的McKean-Vlasov随机微分方程

Xing Huang

专题命中 扩散模型 ：diffusion(abstract)

AI总结 研究具有有界可测相互作用的McKean-Vlasov随机微分方程，推导其非线性半群正则性估计，分两种情况讨论，在第二种情况中扩散与分布无关，漂移含特定两项，最终基于正则性估计在该情况获$\W_1$中指数遍历性。

Comments 30 pages

A Unified Approach to Mixing and Regularity for Passive Scalar Transport by Sobolev Vector Fields

索伯列夫向量场被动标量输运混合与正则性的统一方法

Lucas Huysmans, Ayman Rimah Said

专题命中 扩散模型 ：diffusion(abstract)

AI总结 该研究为索伯列夫向量场的被动标量输运定量估计构建新框架，基于克里斯 - 茹尔内奇异积分估计，得出稳定性估计、指数混合界等成果，涵盖解对初始数据频率依赖、正则性传播及收敛率等多方面结论。

Comments 31 pages

Markovian Lifts of Stochastic Volterra Equations in Sobolev Spaces: Solution theory, an Ito Formula and Invariant Measures

索伯列夫空间中随机沃尔泰拉方程的马尔可夫提升：解理论、伊藤公式和不变测度

Florian Huber

专题命中 扩散模型 ：diffusion(abstract)

AI总结 研究加权索伯列夫空间中随机沃尔泰拉方程的马尔可夫提升，通过建立解理论给出不变测度条件，利用伊藤型公式发展出有限时间爆破准则等应用，为相关方程理论及应用研究提供支持。

Fluctuation Correction and Global Solutions for the Stochastic Shigesada-Kawasaki-Teramoto System via Entropy-Based Regularization

基于熵正则化的随机Shigesada-Kawasaki-Teramoto系统的涨落修正与全局解

Florian Huber

专题命中 扩散模型 ：diffusion(abstract)

AI总结 研究n物种SKT交叉扩散系统随机扩展，通过乘性噪声项进行涨落修正，在扩散系数细致平衡及相关小性条件下，建立随机偏微分方程系统非负、全局、弱鞅解的存在性，该理论在确定性平均场极限附近微扰区域成立。

Comments arXiv admin note: text overlap with arXiv:2202.12602 (same author) Derivation section split off, becomes companion paper

Solving Hamilton-Jacobi equations by residual minimization of monotone finite-difference discretizations

通过最小化单调离散化的残差来求解哈密顿-雅可比方程

Olivier Bokanowski, Carlos Esteve-Yagüe, Richard Tsai

专题命中 扩散模型 ：diffusion(abstract)

AI总结 本文提出了一种求解哈密顿-雅可比方程的新方法，通过最小化残差来保证解的唯一性和稳定性，并扩展到椭圆和抛物型问题，同时提供了后验误差估计和多级预热策略。

Comments 48 pages, 7 figures

Energetics of stochastic limit-cycle oscillators: when does coupling reduce dissipation?

随机极限环振子的能量学：当耦合减少耗散时是什么情况？

Anton F. Burnet, Vansh Kharbanda, David Tobias, Benedikt Sabass

专题命中 扩散模型 ：diffusion(abstract)

AI总结 研究随机极限环振子的能耗，探讨耦合如何影响耗散，发现Cartesian耦合在不同条件下均能降低耗散。

Comments 29 pages, 11 figures

Non-Markovian Cosmic-Ray Pitch-Angle Transport from Mirror Interactions

非马尔可夫ian宇宙射线 pitch 角输运来自镜像相互作用

Kai Yan, Huirong Yan, Parth Pavaskar, Chuanpeng Hou, Ruo-Yu Liu

专题命中 扩散模型 ：diffusion(abstract)

AI总结 研究揭示了磁流体动力学湍流中宇宙射线 pitch 角输运由磁镜效应与回旋共振散射的相互作用主导，发现大pitch角粒子受镜像陷阱和回旋共振逃逸共同调节，输运特性从异常扩散转为正常扩散。

Comments 11 pages, 7 figures

Quality assurance of the Federal Interagency Traumatic Brain Injury Research (FITBIR) database for multi-site MRI analysis

用于多站点MRI分析的联邦跨部门创伤性脑损伤研究（FITBIR）数据库的质量保证

Adam M. Saunders, Michael E. Kim, Gaurav Rudravaram, Elyssa M. McMaster, Chloe Scholten, Sequoia Wade, Marselle Rasdall, Simon Vandekar, Tonia S. Rex, François Rheault, Bennett A. Landman

专题命中 扩散模型 ：diffusion(abstract)

AI总结 针对FITBIR数据库，将其结构和扩散MRI及相关信息整理统一，用UNesT分割分析指标，经质量保证后用GAMLSS建模，发现TBI受试者与对照组相比，15个脑区体积有显著差异。

Comments 8 pages, 5 figures

Propagation of chaos in Fisher information

费希尔信息中的混沌传播

Jules Grass, Arnaud Guillin, Christophe Poquet

专题命中 扩散模型 ：diffusion(abstract)

AI总结 研究具有光滑相互作用和漂移粒子在费希尔信息中的混沌传播，利用新引理及精细估计，通过BBGKY层次结构得到微分不等式系统，实现混沌传播推广，且通过高斯例子证明衰减率最优。

Modeling multiscale architecture of biofilm extracellular matrix and its role in oxygen transport

生物膜胞外基质的多尺度结构建模及其在氧传输中的作用

Raghu K. Moorthy, Eoin Casey

专题命中 扩散模型 ：diffusion(abstract)

AI总结 研究生物膜胞外基质微观结构对氧传输的影响，通过开发多尺度“细胞-荚膜”连续体模型，结合反应扩散框架和几何特征量化其作用，发现离散荚膜相降低氧可用性，荚膜厚度和基质压实共同控制相关因子，为生物膜模拟提供新框架。

Comments 5 figures, 3 tables; typos corrected, 1 table added, 1 more discussion subsection added, references added

Non-equilibrium state during proton-deuteron exchange at a liquid-liquid interface

液-液界面质子-氘核交换过程中的非平衡态

Tillmann Buttersack, Niclas Sven Mueller, Giulia Carini, Henrik Haak, Hanna Bordyuh, Dipali Singh, Sandy Gewinner, Marco De Pas, Wieland Schöllkopf, Martin Wolf, Hendrik Bluhm, Nils Huse, Bernd Winter, Gerard Meijer, Alexander Paarmann

专题命中 扩散模型 ：diffusion(abstract)

AI总结 研究液-液界面质子-氘核交换，用快速流动液体平面射流结合红外光谱成像定量测量HDO形成，揭示早期非平衡态，提取反应速率常数，为研究广泛化学反应的快速动力学提供方法。

A Nonhomogeneous Porous-Medium Equation for Field Scale CO$_2$ Plume Spreading

二氧化碳羽流扩展的多孔介质尺度

Fernando Alonso-Marroquin, Christian Tantardini

专题命中 扩散模型 ：diffusion(abstract)

AI总结 通过比较分析解与数字图像分析结果，量化了多孔介质中二氧化碳羽流扩展的尺度特征，推导了羽流厚度、边缘和核心半径的闭合表达式。

Sign Identifiability of Causal Effects in Stationary Stochastic Dynamical Systems

在平稳随机动力学系统中因果效应的符号可识别性

Gijs van Seeventer, Saber Salehkaleybar

机构 * Leiden University（莱顿大学） 纠错

专题命中 扩散模型 ：diffusion(abstract)

AI总结 本文研究了平稳随机动力学系统中因果效应的符号可识别性，提出边符号可识别性概念，并通过具体因果结构分析确定了边符号的显式表达式。

Pole-skipping without master variable and holographic superfluids

无主变量的极点跳跃与全息超流体

Makoto Natsuume, Takashi Okamura

专题命中 扩散模型 ：diffusion(abstract)

AI总结 研究强耦合下格林函数极点跳跃性质，提出不依赖主变量的形式，以全息超流体为例指出流体动力学极点不全是极点跳跃点。

Comments 24 pages, v2: accepted version

NEP89: Universal neuroevolution potential for inorganic and organic materials across 89 elements

NEP89：89种元素的无机和有机材料通用神经进化潜力

Ting Liang, Ke Xu, Eric Lindgren, Zherui Chen, Rui Zhao, Jiahui Liu, Esmée Berger, Benrui Tang, Bohan Zhang, Yanzhou Wang, Keke Song, Penghua Ying, Nan Xu, Haikuan Dong, Shunda Chen, Paul Erhart, Zheyong Fan, Tapio Ala-Nissila, Jianbin Xu

专题命中 扩散模型 ：diffusion(abstract)

AI总结 研究针对机器学习原子间势的局限，提出神经进化势架构的NEP89模型，通过特定方法构建训练数据集。该模型精度高且计算高效，能实现大规模原子模拟，适用于多种场景并支持微调，为材料研究提供有力工具。

Comments 5 figures in the main text; Supplementary Information is available on the Nature Computational Science website

Journal ref Nature Computational Science (2026)

TORAX: A Fast and Differentiable Tokamak Transport Simulator in JAX

TORAX：JAX 中一个快速且可微的托卡马克输运模拟器

Jonathan Citrin, Ian Goodfellow, Akhil Raju, Jeremy Chen, Jonas Degrave, Craig Donner, Federico Felici, Philippe Hamel, Andrea Huber, Dmitry Nikulin, David Pfau, Brendan Tracey, Martin Riedmiller, Pushmeet Kohli

专题命中 扩散模型 ：diffusion(abstract)

AI总结 介绍基于 JAX 框架的开源可微托卡马克输运模拟器 TORAX，它求解多种输运耦合方程，融合物理与机器学习模型，利用 JAX 特性实现快速运行及微分，经与 RAPTOR 代码验证，为托卡马克相关研究提供有力工具。

Comments 16 pages, 7 figures

ML-based approach to classification and generation of structured light propagation in turbulent media

基于机器学习的湍流介质中结构光传播分类与生成方法

Aokun Wang, Anjali Nair, Zhongjian Wang, Guillaume Bal

机构 * Division of Mathematical Sciences, Nanyang Technological University（南洋理工大学数学科学系） ； Committee on Computational and Applied Mathematics, University of Chicago（芝加哥大学计算与应用数学委员会） ； Departments of Statistics and Mathematics, University of Chicago（芝加哥大学统计学与数学系） 纠错

专题命中 扩散模型 ：diffusion(abstract)

AI总结 本文提出基于机器学习的结构光在湍流中传播的分类与生成方法，利用随机斑点扰动建模传播过程，并通过生成扩散模型增强数据集。

Journal ref Journal of the Optical Society of America A (2026)

A unifying approach to diffusive transport in annealed heterogeneous media

对异质介质中扩散传输的一种统一方法

Yann Lanoiselée, Denis S. Grebenkov, Gianni Pagnini

专题命中 扩散模型 ：diffusion(abstract)

AI总结 本文提出随机调制高斯过程作为统一框架，用于建模和分析异质介质中异常扩散模型，涵盖连续时间随机游走和分数布朗运动等模型，并提供实验验证的统计特性。

Comments 29 pages, 2 figures