图像生成

Propagating Direction Near the Strong-Competition Borderline in the Two-Species Lotka-Volterra Model

两种群Lotka-Volterra模型在强竞争边界附近的传播方向

Chiun-Chuan Chen, Shun-Chieh Wang

专题命中 扩散模型 ：diffusion(abstract)

AI总结 研究强竞争下两种群Lotka-Volterra竞争扩散模型中双稳行波的传播方向，聚焦近对称情形，利用前期零波速条件的极小极大公式，分析波的渐近行为并构造测试函数确定波速符号，验证相关猜想并得出零波速条件受竞争与扩散率相互作用影响的明确界限。

Differentiable OPLS Force Field Parameterization for Ionic Electrolytes and High-Throughput Application to Lithium-ion Batteries

用于离子电解质的可微OPLS力场参数化及在锂离子电池中的高通量应用

Haichao Huang, Zilin Chen, Qi Liu, Tianqi Zhao, Yunpei Liu, Guotao Qiu, Jianhui Chen, Zhen Li, Wenshuo Liang, Minsung Cho, Manxue Zhang, Feiyu Kang, Xiaolong Zou, Yidan Cao, Xushan Zhao, Ziqi Cheng, Ye Mei

专题命中 扩散模型 ：diffusion(abstract)

AI总结 针对锂离子电池离子电解质设计难题，开发可微OPLS-AA力场参数化工作流程，用拓扑引导减少参数冗余，以实验密度为拟合目标、离子电导率为验证指标，进行高通量模拟，为离子电解质设计提供基础。

Universal fluctuations of first discoveries in competitive exploration

竞争探索中首次发现的普遍涨落

Arthur Plaud, P. L. Krapivsky, S. Redner, Olivier Bénichou

专题命中 扩散模型 ：diffusion(abstract)

AI总结 研究竞争探索中首次发现的问题，引入发现份额\(X_n\)，核心方法是分析谱维度\(d_s\)，主要贡献是得出不同\(d_s\)下的渐近方差等结果及揭示首次到达不等式的涨落理论。

Comments 8 pages + 61 pages Supplemental Information

Effective Color Dipole Approach to Color Transparency in $ρ^0$ Electroproduction

有效色偶极方法在\texorpdfstring{$ρ^0$}{rho^0}电产生中的颜色透明度研究

Tae Keun Choi, Kook-Jin Kong, Byung-Geel Yu

专题命中 扩散模型 ：diffusion(abstract)

AI总结 采用多通道末态相互作用框架，结合有效色偶极模型边界条件，研究$^{12}$C和$^{56}$Fe核上$ρ^0$电产生中的核透明度，解释了CLAS数据中$Q^2$依赖的增强现象。

Comments 7 pages, 4 figures

hp-Optimal DG Approximation and Robust Schwarz Decompositions on One-Irregular Cubical Meshes

单不规则立方体网格上的hp最优DG逼近和鲁棒Schwarz分解

Situan Li, Weiying Zheng

专题命中 扩散模型 ：diffusion(abstract)

AI总结 针对单不规则网格上的变阶有限元空间，提出hp最优DG逼近和加性Schwarz分解，证明内罚DG方法的hp最优能量范数估计，并推导稳定分解，数值实验验证p最优误差估计和预条件子鲁棒性。

Comments Withdrawn by the authors. The current version requires substantial revision to clarify the assumptions and proof of the main decomposition theorem. The authors will prepare a revised version

Residual-Work Compatibility Criteria and Defect-Measure Compactness for Positive-Cone Viscoelastic Reynolds States

正锥Oldroyd-B和FENE-P Reynolds状态的尖锐剩余功准则

Sai Peng

专题命中 扩散模型 ：diffusion(abstract)

AI总结 针对弹性变量受正锥或有限可扩展性约束的粘弹性模型，推导了熵可容许Reynolds状态的尖锐剩余功准则，给出了最优逐点代价和唯一对齐最小化剩余，并证明了熵对偶闭包定理。

Pressure Quotients and Endpoint Velocity-Clock Criteria for Non-Diffusive Viscoelastic Flows

粘弹性流动的几何爆破准则：Oldroyd-B 和 FENE-P 模型

Sai Peng

专题命中 扩散模型 ：diffusion(abstract)

AI总结 针对无应力扩散的二维 Oldroyd-B 和 FENE-P 流动，利用对数构型变量和有限可扩展性障碍变量，建立了包含速度梯度 Besov 模、对数构型范数和有限可扩展性障碍范数的封闭延续准则。

Robots and the Public Finance of Disability Insurance

机器人与残疾保险公共财政

Duha T. Altindag, Reem El Cheikh Taha, John M. Nunley, R. Alan Seals

专题命中 扩散模型 ：diffusion(abstract)

AI总结 研究利用通勤区数据和转移份额设计，估计工业机器人暴露对社会保障残疾保险申请的影响，发现机器人降低申请，避免的申请流对应一定成本，揭示机器人暴露对社会保险成本有不同影响。

Non-asymptotic Convergence of Stochastic Gradient Descent in Score-based Generative Models

基于得分的生成模型中随机梯度下降的非渐近收敛性

Stanislas Strasman, Sobihan Surendran, Sylvain Le Corff

机构 * Sorbonne Université and Université Paris Cité, CNRS, LPSM（索邦大学和巴黎cité大学，法国国家科学研究中心，巴黎高等师范学院） ； LOPF, Califrais’ Machine Learning Lab（LOPF，Califrais机器学习实验室） 纠错

专题命中 扩散模型 ：diffusion(abstract)

AI总结 针对基于得分的生成模型训练优化性质不明问题，本文对两类场景下的随机梯度下降开展理论分析，推导收敛速率与误差边界，为实际权重选择提供理论指导。

Target-Guided Selective Reweighting for Physics-Informed Neural Network Inverse Problems: A Transfer Learning Approach

面向物理信息神经网络逆问题的目标引导选择性重加权：一种迁移学习方法

Qian Hu, Bin Fan, Yao Xiao, Zhicheng Lin, Meixin Xiong

机构 * School of Computing and Data Science, Fujian University of Technology（福建工程学院计算与数据科学学院） 纠错

专题命中 扩散模型 ：diffusion(abstract)

AI总结 针对物理信息神经网络逆问题迁移学习中的负迁移问题，提出TGSR-PINN方法，通过神经元目标评分与选择性软衰减，提升目标物理参数恢复精度。

MARLIN: De Novo Molecular Structure Elucidation from Tandem Mass Spectra without a Ground-Truth Formula

MARLIN：从串联质谱中进行从头分子结构解析，无需真实分子式

Xujun Che, Xiuxia Du, Depeng Xu

专题命中 扩散模型 ：diffusion(abstract)

AI总结 研究针对无分子式的串联质谱，提出MARLIN方法，通过自监督编码器和语言模型生成候选结构，用质量壳约束等确保准确性，在无真实分子式情况下表现出色，能可靠解析结构。

KAM-WM: Kinematic Affordance Maps from Latent World Models for Robot Manipulation

KAM-WM：基于潜在世界模型的机器人操作运动学可供性地图

Xinyu Shao, Keru Zhou, Guowei Huang, Yajun Gao, Tongtong Cao, Xiu Li

机构 * Tsinghua Shenzhen International Graduate School（清华大学深圳国际研究生院） ； Huawei Technologies Ltd.（华为技术有限公司） 纠错

专题命中 扩散模型 ：diffusion(abstract)

AI总结 研究如何从少量演示中学习操作，提出KAM-WM框架，从冻结的潜在视频世界模型提取粗粒度方向交互线索，转化为运动学可供性地图，结合其他信息控制机器人，在实验中取得较好成果。

Comments 16 pages, 8 figures, preprint

Dynamic Image-Informed Selection of Biomechanical Tumor Growth Models

生物力学肿瘤生长模型的动态图像信息选择

Abdullah Al Noman, Pratyush Kumar Singh, David A Hormuth, Danial Faghihi

专题命中 扩散模型 ：diffusion(abstract)

AI总结 研究胶质母细胞瘤进展中机械相互作用对其的影响。通过引入序贯贝叶斯推理和动态模型选择框架，利用纵向小鼠磁共振成像数据校准生物力学肿瘤生长模型参数，比较不同模型，得出机械耦合模型更优及应依个体评估本构假设的结论。

Bridging Interleaved Multi-Modal Reasoning as a Unified Decision Process

将交错多模态推理作为统一决策过程进行衔接

Zican Hu, Xuyang Hu, Yiming Liu, Zuwei Long, Wei Liu, Yunzhuo Hao, Jiawei Gu, Linjie Li, Yu Cheng, Zhenhong Sun, Weibo Gu, Xing Sun, Zhi Wang

机构 * Nanjing University（南京大学） ； Tencent Youtu Lab（腾讯优图实验室） ； Shanghai AI Laboratory（上海人工智能实验室） ； Tsinghua University（清华大学） ； Zhejiang University（浙江大学） ； University of Washington（华盛顿大学） ； The Chinese University of Hong Kong（香港中文大学） ； Australian National University（澳大利亚国立大学） 纠错

专题命中 扩散模型 ：image generation(abstract)

AI总结 研究统一多模态模型中强化学习优化多轮生成的问题，提出BRAID框架，将文本-图像-文本推理视为统一马尔可夫决策过程，通过单一强化学习目标联合优化文本和视觉生成，实验表明该框架性能优于基线。

Comments 22 pages, 8 figures

PedestrianDiffusion: Multimodal Generative Denoising and Dense State Estimation for Inertial Navigation

行人扩散：用于惯性导航的多模态生成去噪和密集状态估计

I-Hao Lu, Dongsoo Han

专题命中 扩散模型 ：diffusion(abstract)

AI总结 针对消费级惯性导航受MEMS随机噪声限制问题，提出PedestrianDiffusion框架，将密集6D状态估计转化为连续条件去噪过程，引入零样本语义条件机制，用ODE求解器提升性能，在多基准测试中达先进水平。

Teaming Up with AI: Coordination and Cooperation

与人工智能合作：协调与协作

Nicole Immorlica, Inbal Talgam-Cohen

机构 * Yale University and Microsoft Research（耶鲁大学和微软研究院） ； Tel Aviv University（特拉维夫大学） 纠错

专题命中 扩散模型 ：diffusion(abstract)

AI总结 探讨如何在劳动力中与人工智能协作以最大化经济价值并实现‘真正’协作。结合理论计算机科学和经济学，考虑协调与合作两层工具，展示基于算法和经济研究的方法可增强两者，为AI市场研究指明方向。

Decentralised Federated Learning over Temporal Networks: The Role of Heterogeneities

时间网络上的去中心化联邦学习：异质性的作用

Arash Badie-Modiri, Chiara Boldrini, Lorenzo Valerio, János Kertész, Márton Karsai

机构 * National Research Council, Pisa（比萨国家研究委员会） ； Central European University, Vienna（维也纳中欧大学） ； Aalto University, Espoo（埃斯波阿尔托大学） ； HUN-REN Rényi Institute of Mathematics, Budapest（布达佩斯匈牙利科学院雷尼数学研究所） 纠错

专题命中 扩散模型 ：diffusion(abstract)

AI总结 研究去中心化联邦学习中结构和时间异质性的作用，通过映射揭示其与随机游走扩散过程的关系，指出忽视异质性会使收敛不切实际地快，分析现实网络发现异质性常致扩散和收敛变慢。

LiNO: Lifting based multiresolution neural operator

LiNO：基于提升的多分辨率神经算子

Himanshu Pandey, Subham Patel, Ratikanta Behera

机构 * Department of Computational and Data Sciences, Indian Institute of Science（计算与数据科学系，印度科学研究所） ； IISc Mathematics Initiative, Department of Mathematics, Indian Institute of Science（印度科学研究所数学倡议，数学系） 纠错

专题命中 扩散模型 ：diffusion(abstract)

AI总结 研究旨在设计有效表示多尺度特征的算子，提出基于第二代小波提升方案的LiNO。通过参数化提升变换从数据学习多分辨率分解，在多个基准测试中性能出色，为科学机器学习提供方向。

Stability of vertically charged steady magnetic field in 3D incompressible magneto-micropolar fluids without magnetic and angular viscosity in a strip domain

三维不可压缩磁微极流体在带状区域中无磁粘性和角粘性时垂直带电稳定磁场的稳定性

Zefu Feng, Guangyi Hong, Jiahong Wu, Kun Zhao

专题命中 扩散模型 ：diffusion(abstract)

AI总结 研究三维不可压缩磁微极方程在带状区域无磁和角粘性时的正则性与稳定性问题，给出稳态设置，证明小扰动有全局正则稳定解且解随时间趋于无穷以近指数速率收敛到稳态。

Approximation of Random Differential Equations Driven by Physical Brownian Motion with Fast Oscillating Noise

由具有快速振荡噪声的物理布朗运动驱动的随机微分方程的逼近

Qingming Zhao, Xueru Liu, Wei Wang

专题命中 扩散模型 ：diffusion(abstract)

AI总结 研究由满足奇异摄动朗之万方程且具有缩放混合随机力的半鞅驱动的随机微分方程逼近。用扩散逼近法探索半鞅粗糙路径提升的极限，应用通用极限定理确定随机微分方程极限，还建立了混合随机力的迭代弱不变原理。

Thresholds, fragmentation and symmetrization in parabolic equations

抛物方程中的阈值、碎片化与对称化

Matthieu Alfaro, Yihong Du, François Hamel, Lionel Roques

专题命中 扩散模型 ：diffusion(abstract)

AI总结 研究双稳型反应扩散方程有界非负解的大时间动力学，探讨阈值长度极限，给出极限为正和为零的条件，还研究碎片化初值影响及抛物方程质量集中原理，发现其一般不成立。

Subcritical-mass global solvability in a doubly degenerate Keller-Segel system with signal production

具有信号产生的双退化凯勒-塞格尔系统中的亚临界质量全局可解性

Tobias Black, Genglin Li

专题命中 扩散模型 ：diffusion(abstract)

AI总结 研究双退化扩散的凯勒-塞格尔趋化系统初边值问题，通过广义能量解框架，证明当初始质量低于阈值\(m_0 = 4\pi\)（径向时为\(m_0 = 8\pi\)），系统有全局解。

Comments 26 pages

Constrained Flow Matching via Lagrangian Dual Flows

通过拉格朗日对偶流进行约束流匹配

Vince Kurtz, Alexander Davydov

机构 * DePaul University（德保罗大学） ； Rice University（里士满大学） 纠错

专题命中 扩散模型 ：inpainting(abstract)

AI总结 研究在生成建模中加入推理时约束的问题，提出基于拉格朗日对偶动力学的拉格朗日对偶流技术，能保证非线性约束满足，算法简单有效并建立新理论联系。

Onsager--Machlup Functionals for Generalized Newtonian Equations of Motion with Time-Varying Fractional Noise

具有时变分数噪声的广义牛顿运动方程的昂萨格-马赫卢普泛函

Yanbin Zhu, Xiaomeng Jiang, Yong Li

专题命中 扩散模型 ：diffusion(abstract)

AI总结 研究一类由分数布朗运动驱动的退化随机微分方程的昂萨格-马赫卢普泛函，结合高斯相关不等式等方法控制耦合项，经正则性估计等得到泛函表达式及相关应用。

Computational Oncology of Chemotaxis-Driven Tumour--Immune Spatial Patterning and Stability

趋化性驱动的肿瘤-免疫空间模式与稳定性的计算肿瘤学

Zonghao Liu, Jiguang Yu, Lei Su, Louis Shuo Wang, Yang Du, Jingfeng Liu

专题命中 扩散模型 ：diffusion(abstract)

AI总结 研究肿瘤细胞、免疫效应细胞和趋化因子信号通过反应-扩散-趋化系统相互作用，建立计算肿瘤学模型，经无量纲化等处理，进行线性稳定性分析并验证相关结果。

Initial layer analysis of relaxation-time limit of the collisional QHD

碰撞量子流体动力学（QHD）弛豫时间极限的初始层分析

Paolo Antonelli, Pierangelo Marcati, Hao Zheng

专题命中 扩散模型 ：diffusion(abstract)

AI总结 研究碰撞量子流体动力学系统弛豫时间极限下初始层结构。用匹配渐近展开法，导出解关于弛豫时间参数τ的渐近描述，确定初始层时间尺度，构造内外展开，证明相关收敛性。

Dynamics of Chemotactic Gliding-Aggregation in Myxobacteria on Bounded Domains: Stochastic Modeling, Analysis, and Deep Neural Network Simulations

有界域上粘细菌趋化性滑动聚集的动力学：随机建模、分析和深度神经网络模拟

Fugui Ma, Zhimeng Ouyang, Wenyi Tian, Lei Wu

专题命中 扩散模型 ：diffusion(abstract)

AI总结 提出统一框架，整合随机建模、严格分析和基于深度神经网络的模拟，刻画粗糙表面异常滑动动力学，推导宏观模型并建立解理论，设计神经网络方法，数值实验验证框架有效性。

Comments 78 pages,23 figures

An AI-Assisted Solution to the Signed BAR Conjecture: Uniqueness in the Harrison--Reiman Class and a Completely-$\mathcal{S}$ Class Obstruction

带符号 BAR 猜想的人工智能辅助解决方案：哈里森 - 雷曼类中的唯一性和完全 - $\mathcal{S}$ 类障碍

Yiping Lu, Youheng Zhu

机构 * Department of Industrial Engineering and Management Sciences, McCormick School of Engineering, Northwestern University（工业工程与管理科学系，麦科马克工程学院，西北大学） 纠错

专题命中 扩散模型 ：diffusion(abstract)

AI总结 研究多维反射扩散中带符号 BAR 猜想，用反射扩散路径可微性等证明稳定哈里森 - 雷曼数据有限带符号唯一性，还表明非奇异\(M\)矩阵假设是结构性的，给出完全 - $\mathcal{S}$ 类反例。

Amortized low-rank approximation for hyperparameter marginalization in PDE-governed Bayesian inverse problems

偏微分方程控制的贝叶斯逆问题中超参数边缘化的摊销低秩近似

Sonia Reilly, Georg Stadler

专题命中 扩散模型 ：diffusion(abstract)

AI总结 研究含高维或无限维参数场及少量超参数的分层贝叶斯逆问题，聚焦参数到观测映射为线性PDE的问题。核心方法是基于广义低秩近似，提出摊销变体并比较性能。主要贡献是在数值实验中实现加速。

An Onsager Variational Scheme for Pressure-Driven Tumor Growth and Hele-Shaw Limits

一种用于压力驱动肿瘤生长和Hele-Shaw极限的昂萨格变分格式

Weijie Huang, Xinran Ruan

专题命中 扩散模型 ：diffusion(abstract)

AI总结 针对压力驱动肿瘤生长模型，提出基于昂萨格变分原理的保结构有限差分法，引入修正能量，导出时间离散约束最小化问题及全离散格式，证明其性质并通过实验验证方法准确性等。