Georgia Institute of Technology（佐治亚理工学院）

iFAN Ecosystem: A Unified AI, Digital Twin, Cyber-Physical Security, and Robotics Environment for Advanced Nuclear Simulation and Operations

iFAN生态系统：一个统一的AI、数字孪生、网络物理安全和机器人环境，用于高级核模拟和操作

Youndo Do, Chad Meece, Marc Zebrowitz, Spencer Banks, Myeongjun Choi, Xiaoxu Diao, Kai Tan, Michael Doran, Jason Reed, Fan Zhang

机构 * Georgia Institute of Technology（佐治亚理工学院） 纠错

AI总结 iFAN生态系统通过整合AI、数字孪生、网络物理安全和机器人技术，为核模拟和操作提供高保真度的虚拟测试平台，支持自主和网络容错的核操作验证。

MV-S2V: Multi-View Subject-Consistent Video Generation

MV-S2V：多视图主体一致视频生成

Ziyang Song, Xinyu Gong, Bangya Liu, Zelin Zhao

机构 * The Hong Kong Polytechnic University（香港理工大学） ； The University of Texas at Austin（德克萨斯大学） ； University of Wisconsin-Madison（威斯康星大学麦迪逊分校） ； Georgia Institute of Technology（佐治亚理工学院） 纠错

AI总结 本文提出MV-S2V方法，通过多视角参考生成一致的3D主体视频，解决单视角限制并提升视频生成质量。

Comments 13 pages, 9 figures

KOCOBrain: Kuramoto-Guided Graph Network for Uncovering Structure-Function Coupling in Adolescent Prenatal Drug Exposure

KOCOBrain：基于库拉莫夫动力学的图网络用于揭示青少年孕期药物暴露的结构-功能耦合

Badhan Mazumder, Lei Wu, Sir-Lord Wiafe, Vince D. Calhoun, Dong Hye Ye

机构 * Department of Computer Science, Georgia State University（计算机科学系，佐治亚州立大学） ； Tri-Institutional Center for Translational Research in Neuroimaging and Data Science (TReNDS)（转化神经影像与数据科学联合研究中心） ； Georgia Institute of Technology（佐治亚理工学院） ； Emory University（埃默里大学） 纠错

AI总结 KOCOBrain通过库拉莫夫动力学整合结构和功能连接组，提升孕期药物暴露预测并揭示脑网络协调紊乱的结构-功能模式。

Comments Preprint version of the paper accepted to the IEEE International Symposium on Biomedical Imaging (ISBI 2026). This is the author's accepted manuscript. The final published version will appear in IEEE Xplore

SCoPE VLM: Selective Context Processing for Efficient Document Navigation in Vision-Language Models

SCoPE VLM：面向视觉语言模型高效文档导航的 selective context processing

Gyubeum Lim, Yemo Koo, Vijay Krishna Madisetti

机构 * Georgia Institute of Technology（佐治亚理工学院） ； Konkuk University（韩国康克伦大学） 纠错

AI总结 SCoPE VLM通过引入滚动链机制和定制强化学习方法，实现高效文档导航，提升视觉语言模型在多页文档问答中的代理阅读能力。

Language Models are Symbolic Learners in Arithmetic

语言模型在算术中是符号学习者

Chunyuan Deng, Zhiqi Li, Roy Xie, Ruidi Chang, Hanjie Chen

机构 * Department of Computer Science（计算机科学系） ； Rice University（里士满大学） ； College of Computing（计算学院） ； Georgia Institute of Technology（佐治亚理工学院） ； Duke University（杜克大学） 纠错

AI总结 本文研究语言模型在算术运算中通过学习符号捷径而非算法来掌握算术能力。

Comments TMLR 2026. Code at https://github.com/chili-lab/Symbolic-Arithmetic

A Switching Nonlinear Model Predictive Control Strategy for Safe Collision Handling by an Underwater Vehicle-Manipulator System

一种用于水下车辆-机械臂系统安全碰撞处理的切换非线性模型预测控制策略

Ioannis G. Polyzos, Konstantinos J. Kyriakopoulos

机构 * D. Guggenheim School of Aerospace Engineering, Georgia Institute of Technology（德·古根海姆航空航天工程学院，佐治亚理工学院） ； faculty of Electrical Engineering, Engineering Division, New York University Abu Dhabi（电气工程系，工程分校，纽约大学阿布扎克分校） 纠错

AI总结 本文提出了一种切换非线性模型预测控制策略，用于水下车辆-机械臂系统安全处理碰撞，通过机械臂推离障碍物以避免损坏。

Comments This work has been submitted to the 2026 Mediterranean Conference on Control and Automation (MED) to be considered for publication. Figures and animations are available at https://zenodo.org/records/18357280

Avoid Catastrophic Forgetting with Rank-1 Fisher from Diffusion Models

通过扩散模型的秩1 Fisher避免灾难性遗忘

Zekun Wang, Anant Gupta, Zihan Dong, Christopher J. MacLellan

机构 * College of Computing（计算学院） ； Georgia Institute of Technology（佐治亚理工学院） 纠错

AI总结 本文提出基于扩散模型的秩1 EWC 方法，通过改进 Fisher 估计减少持续学习中的灾难性遗忘，提升图像生成任务的 FID 指标。

Comments 19 pages, 14 figures

Journal ref ICLR 2026