高校专区
机构 * ByteDance Seed（抖音集团种子部门） ； California Institute of Technology（加州理工学院） ； Meta
AI总结 本研究提出SpeeDiff潜在扩散方法，通过Tweedie像素重建损失解决端到端训练的潜在空间崩溃问题，其XL模型在ImageNet生成任务上训练速度大幅提升且FID表现优异。
Comments Accepted to CVPR 2026. 29 pages, 17 figures, 14 tables
《“Rubin 2036：发现机遇”研讨会：Vera C. Rubin天文台在LSST后的未来社区路线图》
机构 * SLAC National Accelerator Laboratory（斯坦福直线加速器中心） ； Kavli Institute for Particle Astrophysics and Cosmology, Stanford University（卡弗里粒子天体物理学与宇宙学研究所，斯坦福大学） ； Stanford University（斯坦福大学） ； Stony Brook University（石溪大学） ； Argonne National Laboratory（阿贡国家实验室） ； NSF NOIRLab（美国国家科学基金会NOIR天文台实验室） ； Institute of Space Sciences (ICE-CSIC), Barcelona（空间科学研究所（ICE-CSIC），巴塞罗那） ； Arizona State University（亚利桑那州立大学） ； Fermi National Accelerator Laboratory（费米国家加速器实验室） ； University of Chicago（芝加哥大学） ； University of California, Berkeley（加州大学伯克利分校） ； Brown University（布朗大学） ； National Centre for Nuclear Research (NCBJ), Warsaw（华沙核研究中心） ； Korea Astronomy and Space Science Institute（韩国天文学与空间科学研究所） ； Rutgers University（罗格斯大学） ； Indian Institute of Technology Bombay（印度理工学院孟买分校） ； University of South Africa（南非大学） ； University of Belgrade（贝尔格莱德大学） ； Lawrence Berkeley National Laboratory（劳伦斯伯克利国家实验室） ； Simon Fraser University（西蒙菲莎大学） ； University of Kent（肯特大学） ； Physik-Institut, University of Zurich（苏黎世大学物理研究所） ； Space Telescope Science Institute（太空望远镜科学研究所） ； California Institute of Technology（加州理工学院） ； CNRS-IN2P3（法国国家科学研究中心IN2P3） ； Kobayashi-Maskawa Institute (KMI), Nagoya University（名古屋大学小林-益川研究所） ； Princeton University（普林斯顿大学） ； University of Pittsburgh（匹兹堡大学） ； Carnegie Mellon University（卡内基梅隆大学）
AI总结 本文总结“Rubin 2036”研讨会内容，该会约100人探讨Vera C. Rubin天文台LSST后的未来，涵盖五大工作组及跨领域主题，为其后续发展制定社区路线图。
Comments 23 pages. Zenodo community: this https URL (https://zenodo.org/communities/rubin2036workshop/) Workshop website: this https URL (https://rubin-observatory.github.io/Rubin-Beyond-LSST/pages/Rubin2036proceedings/)
机构 * California Institute of Technology（加州理工学院） ； Tsinghua University（清华大学）
AI总结 我们提出Walshness度量，用于量化量子态是否具有紧凑的神经网络表示，并证明有界Walshness等价于高效NQS表示，通过优化基选择显著提升多种物理态的可学习性。
Comments 9+36 pages; v2 submitted version
机构 * Institut Laue-Langevin (ILL)（劳厄-朗之万研究所） ； California Institute of Technology（加州理工学院） ； University of Michigan（密歇根大学） ； University of South Florida（南佛罗里达大学） ； European Spallation Source (ESS)（欧洲散裂源）
AI总结 研究交变磁α-MnTe自旋波谱的磁场依赖性，用非弹性中子散射和线性自旋波理论，发现面内磁场重定向奈耳矢量，磁振子能量和线宽不变，光谱强度改变，证明反铁磁序与磁振子谱分离，使其成为可重构磁振子耦合平台。
Comments 10 pages, 5 figures
机构 * California Institute of Technology（加州理工学院） ； Northwestern University（西北大学） ； Center for Interdisciplinary Exploration & Research in Astrophysics（天体物理跨学科探索与研究中心） ； University of California, Berkeley（加州大学伯克利分校）
AI总结 研究提出共振链的两阶段破坏机制，通过激发轨道偏心率引发长期不稳定性，解释了共振链的衰减及年轻系统中轨道比值的狭窄性。
Comments Minor formatting adjustments and typo corrections. Matches final proofed version in MNRAS
机构 * University of Genova（热那亚大学） ； Jet Propulsion Laboratory（喷气推进实验室） ； California Institute of Technology（加州理工学院）
AI总结 本研究针对可变形线性物体（DLO）的三维力估计难题，采用因子图的概率方法，仅用单一传感信息实现力与形状的同步重建，经带噪测试验证了技术的通用性与准确性。
FG-ConvNO：一种用于螺旋桨CFD预测的几何感知神经算子
机构 * Tsinghua University（清华大学） ； California Institute of Technology（加州理工学院） ； University of Tennessee（田纳西大学） ； NVIDIA（英伟达公司）
AI总结 提出FG-ConvNO模型，通过几何感知编码等技术解决低数据下螺旋桨CFD预测的泛化问题，在相关数据集上实现更高精度。
Comments 18 pages, 5 figures. Presented at the AAAI 2026 AI2ASE Workshop (non-archival)
MLIPDiff：通过机器学习原子势引导去噪扩散模型用于基于结构的药物设计
机构 * Peking University（北京大学） ； Caltech（加州理工学院）
AI总结 该研究提出MLIPDiff，一种基于机器学习原子势UMA的推理时引导方法，用于预训练扩散模型，在CrossDocked2020数据集上消除配体-蛋白冲突，提升结合亲和力，优于NucleusDiff等模型。
机构 * California Institute of Technology（加州理工学院） ； National Tsing Hua University（国立清华大学）
AI总结 开发SU(2)等变图神经网络eSpinor，通过旋量特征传播改进分子磁性预测，在钴单分子磁体、镝MRI探针等任务中优于基准模型，验证了该归纳偏置的有效性。
Comments Accepted to NeurIPS SIMBIOCHEM II Workshop
机构 * Massachusetts Institute of Technology（麻省理工学院） ； California Institute of Technology（加州理工学院） ； Center for Astrophysics — Harvard & Smithsonian（哈佛-史密森尼天体物理中心） ； CP3-Origins, University of Southern Denmark（南丹麦大学CP3起源研究所） ； Center for Astrophysics and Cosmology, Science Institute, University of Iceland（冰岛大学科学研究所天体物理学与宇宙学中心）
AI总结 本研究开发了一套自相互作用暗物质的统一理论-模拟框架，可将暗 sector 微观物理与结构形成模拟关联，实现了高效的SIDM数值方案并通过多类测试验证，支持探索非弹性等超出标准弹性SIDM的相互作用。
Comments 97 pages, 44 figures, 6 tables
多重调和Fock空间上的正Toeplitz算子：Schatten类准则与精确范数比较
机构 * California Institute of Technology（加州理工学院）
AI总结 该研究针对多重调和Fock空间上的正Toeplitz算子，建立了其Schatten类准则，解决了相关猜想，得到了与对应全纯Toeplitz算子的精确范数比较，还获得了对称范数理想的精确比较及迹恒等式。
Comments 25 pages. v3: Streamlined exposition, with greater emphasis on the example where the holomorphic operator belongs to every Schatten class while the pluriharmonic Toeplitz form is unbounded
一种协方差感知的太阳引力透镜系外行星生物特征空间分辨推断框架
机构 * Jet Propulsion Laboratory, California Institute of Technology（加州理工学院喷气推进实验室）
AI总结 提出协方差感知的太阳引力透镜框架，通过时间标记的斯托克斯光谱立方体重建，实现系外行星表面分辨映射和区域光谱分析，并量化模型失配和重建协方差对信息增益的影响。
Comments 43 pages, 13 figures, 15 tables
机构 * Caltech（加州理工学院） ； TIFR-CAM（泰戈尔研究所中心数学与应用）
AI总结 针对圆盘内简化平面图上的Ising模型，提出非递归方法从边界自旋关联恢复边耦合常数，基于Ising版本的腔室猜想，该猜想断言逆映射通过图上的变量分解，这些变量在Ising Y-$\Delta$变换下遵循离散CKP方程。
Comments 40 pages, 19 figures
cursed 顺序均衡与顺序 cursed 均衡的比较：动态博弈中 cursedness 的不同概念
机构 * Max Planck Institute for Behavioral Economics（马克斯·普朗克行为经济学研究所） ； University of Virginia（弗吉尼亚大学） ； California Institute of Technology（加州理工学院）
AI总结 本文比较了 cursed 顺序均衡与顺序 cursed 均衡，澄清了二者在 cursedness、信念更新和公共历史处理上的核心差异。
Comments 36 pages, 5 figures and 1 table
机构 * California Institute of Technology（加州理工学院） ； Oregon State University（俄勒冈州立大学） ； NVIDIA Corporation（英伟达公司） ； Stanford University（斯坦福大学）
AI总结 本文提出一种理论框架，用于支持数据驱动方法解决数据同化和平滑问题。通过研究运算学习架构的性质，建立新的通用逼近定理，适用于连续时间动态系统的平滑与预测。
机构 * University of Innsbruck（因斯布鲁克大学） ； Princeton University（普林斯顿大学） ； California Institute of Technology（加州理工学院）
AI总结 研究概率测度半群的子半群及其中的单调加法统计，证明在有限p阶矩条件下，期望的标量倍数是唯一的单调加法统计，且整个概率测度半群无非零单调加法统计。
机构 * Cornell University（康奈尔大学） ； Caltech（加州理工学院）
AI总结 本研究建立成本感知贝叶斯优化与潘多拉魔盒问题的关联，将Gittins指数作为采集函数，实验证明其在中高维场景表现优异，且可迁移至经典贝叶斯优化，为融合两类理论技术迈出第一步。
Comments This version corrects a minor mathematical error discovered by GPT-6 Astra: in the statement of Theorem 2, $λ> 0$ is replaced with $λ\geq 0$. Associated with this change, the original Lemma 9 of the appendix is replaced with a new argument. In addition, we include minor typographical fixes. The work's conclusions at large remain as they were
Journal ref Advances in Neural Information Processing Systems, 2024
机构 * Duffield College of Engineering, Cornell University（康奈尔大学达菲尔德工程学院） ； Edwardson School of Industrial Engineering, Purdue University（普渡大学爱德华森工业工程学院） ； School of Data Science, The Chinese University of Hong Kong (Shenzhen)（香港中文大学（深圳）数据科学学院） ； School of Science and Engineering, The Chinese University of Hong Kong (Shenzhen)（香港中文大学（深圳）理工学院） ； Computing & Mathematical Sciences, Caltech（加州理工学院计算与数学科学学院）
AI总结 该研究针对多步转移预测在强化学习中的价值量化难题，提出块反馈协议下的贝尔曼理论，设计BF-BOLA算法并给出样本复杂度界，证明预测可简化学习并减少所需样本量。
机构 * University of Michigan（密歇根大学） ； Jet Propulsion Laboratory, California Institute of Technology（加州理工学院喷气推进实验室）
AI总结 提出OWLS方法，利用开放词汇VLMs的物理推理能力，无需特定训练等即可实现零样本漫游车导航，经多场景评估有效。
Comments 8 pages. 6 figures
机构 * Caltech（加州理工学院）
AI总结 本研究探究V-JEPA2和VideoMAE两种视频编码器的关系物理属性，发现二者可区分弹性与非弹性碰撞，但动量违反检测仅在其中一种编码器中出现，且动能读数的跨环境迁移能力存在差异，摩擦系数无法跨几何变化保留。
生物启发的听觉处理：将并行共振发放动力学与三元循环网络耦合用于语音识别
机构 * Athens University of Economics and Business（雅典经济与商业大学） ； Archimedes AI, Athena Research Center（阿基米德人工智能，雅典娜研究中心） ； California Institute of Technology（加州理工学院） ； Cedars-Sinai Medical Center（西达赛奈医疗中心）
AI总结 该研究针对脉冲神经网络在语音识别中的瓶颈，提出stGRU架构，结合三元权重与RF神经元，在LibriSpeech和Aishell-1上实现低WER/CER，是首个无矩阵乘加、无ANN解码器且在LibriSpeech达个位数WER的脉冲网络。
Comments 22 pages, 6 figures
机构 * Van Swinderen Institute, University of Groningen（格罗宁根大学范斯温德伦研究所） ； Northwestern University（西北大学） ； Jet Propulsion Laboratory, California Institute of Technology（加州理工学院喷气推进实验室） ； California Institute of Technology（加州理工学院） ； University of California, Santa Cruz（加州大学圣克鲁兹分校）
AI总结 该研究利用三维U-Net从模拟的21厘米和CO线强度图重构原初密度场，结合两种示踪物可提升参数约束精度，为未来宇宙学观测提供了有效方法。
Comments 20 pages, 15 figures. Published in Monthly Notices of the Royal Astronomical Society (MNRAS)
机构 * Columbia University（哥伦比亚大学） ； California Institute of Technology（加州理工学院）
AI总结 该研究在Fudenberg和Levine的世代交叠学习模型中，证明当智能体寿命足够长且足够耐心时，偏离主流行为的单次行为可修正错误信念，极限博弈结果与子博弈确认均衡路径等价，确立了其2006年结论的逆命题。
机构 * Caltech（加州理工学院） ； IM PAN Warsaw, Instytut Matematyczny Polskiej Akademii Nauk（波兰科学院华沙数学研究所）
AI总结 本文提出了一种复形种的角对pants分解方法，并证明其与本质投影超平面补集的同伦等价性，结合热带几何技术进行具体应用。
Comments 82 pages, 17 Figures. Comments are welcome!
机构 * Computing and Mathematical Sciences, California Institute of Technology（计算与数学科学系，加州理工学院）
AI总结 FC-PINO通过傅里叶延续方法提升PINO在非周期性和非光滑PDEs中的精度与效率
Comments 48 pages
机构 * Google DeepMind（谷歌DeepMind） ； California Institute of Technology（加州理工学院）
AI总结 本研究通过人机发现循环提出广义Boyd算法，突破莱默问题的高次障碍，构造出马勒测度低于Boyd极限的不可约多项式，在≤2000的偶数次数上占据99.6%的最佳记录并发布对应验证数据集。
Comments 36 pages, 6 figures, 7 tables
空间变化风场下四旋翼无人机的实时扰动感知Koopman模型预测控制
机构 * California Institute of Technology（加州理工学院）
AI总结 该研究针对空间变化风场下的四旋翼无人机，提出扰动感知Koopman控制族框架并融入模型预测控制，通过在线学习扰动修正项提升多步预测与轨迹跟踪性能，满足实时控制要求。
正在进行和经过质量传递的双星：一个活目录及双星质量传递产物的统一综述
机构 * Radboud University Nijmegen（拉德堡德大学） ； California Institute of Technology（加州理工学院） ； Tel Aviv University（特拉维夫大学） ； University of Arizona（亚利桑那大学） ； University of Toronto（多伦多大学）
AI总结 本文通过构建包含5452个系统的活目录，统一综述了16类双星相互作用产物，揭示了轨道周期、偏心率、质量等全局趋势，并指出理论与观测之间的若干矛盾。
Comments Catalog at 10.5281/zenodo.20441988 and corresponding website: https://binary-observations.github.io/post_mt_catalog/ published in ApJS.: 22 pages, 4 Figures, 1 Table,
Journal ref Lieke A. C. van Son et al 2026 ApJS 286 13
机构 * University of Utah（犹他大学） ； California Institute of Technology（加州理工学院）
AI总结 该研究提出一种局部稀疏核算子学习方法，结合算子拉格朗日公式，在10个流体基准测试中，其稀疏模型精度优于早期稠密方法和神经算子，拉格朗日评估精度更高且计算成本更低。
机构 * Mohamed bin Zayed University of Artificial Intelligence（穆罕默德·本·扎耶德人工智能大学） ； California Institute of Technology（加州理工学院）
AI总结 提出MODS模块化框架，结合扩散模型与引导程序，在六项蛋白质优化任务中实现多目标优化，性能优于基线，为有限反馈下的蛋白质优化提供有效方案。
扫码添加微信好友，提出您的宝贵建议 👇
💡 备注请填写：网站反馈