California Institute of Technology（加州理工学院）

Solving Functional PDEs with Gaussian Processes and Applications to Functional Renormalization Group Equations

用高斯过程求解泛函偏微分方程及其在泛函重整化群方程中的应用

Xianjin Yang, Matthieu Darcy, Matthew Hudes, Francis J. Alexander, Gregory Eyink, Houman Owhadi

机构 * Computing & Mathematical Sciences, Caltech（计算与数学科学系，加州理工学院） ； Department of Applied Mathematics & Statistics, Johns Hopkins University（应用数学与统计学系，约翰霍普金斯大学） ； Argonne National Laboratory（阿贡国家实验室） 纠错

AI总结 本文提出了一种基于高斯过程的操作学习方法，用于求解泛函偏微分方程，并在泛函重整化群方程中展示了其灵活性和有效性。

A General Purpose Method for Robotic Interception of Non-Cooperative Dynamic Targets

一种通用的机器人拦截非合作动态目标的方法

Tanmay P. Patel, Erica L. Tevere, Erik H. Kramer, Rudranarayan M. Mukherjee

机构 * Jet Propulsion Laboratory（喷气推进实验室） ； California Institute of Technology（加州理工学院） 纠错

AI总结 本文提出了一种通用的自主拦截方法，适用于不同动态的机器人，通过扩展卡尔曼滤波、历史运动预测和滚动时间窗规划器实现高效拦截，验证了其在多种移动平台上的鲁棒性和计算效率。

Comments 10 pages, 11 figures, 5 tables. Accepted to IEEE Aerospace Conference 2026

Learning Enhanced Ensemble Filters

学习增强的集合滤波器

Eviatar Bach, Ricardo Baptista, Edoardo Calvello, Bohan Chen, Andrew Stuart

机构 * Department of Meteorology, University of Reading（Reading大学气象系） ； Department of Mathematics and Statistics, University of Reading（Reading大学数学与统计学系） ； National Centre for Earth Observation（地球观测国家中心） ； Department of Statistical Sciences, University of Toronto（多伦多大学统计学系） ； Vector Institute for Artificial Intelligence（人工智能向量研究所） ； The Computing + Mathematical Sciences Department, California Institute of Technology（加州理工学院计算与数学科学系） 纠错

AI总结 通过机器学习增强集合滤波器，提升对复杂动态系统的滤波精度。

Comments Accepted by the Journal of Computational Physics