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

Efficient Generative Modeling beyond Memoryless Diffusion via Adjoint Schrödinger Bridge Matching

通过伴随Schrödinger桥匹配实现超越记忆扩散的高效生成建模

Jeongwoo Shin, Jinhwan Sul, Joonseok Lee, Jaewong Choi, Jaemoo Choi

机构 * Seoul National University（首尔国立大学） ； Georgia Institute of Technology（佐治亚理工学院） ； Sungkyunkwan University（松山大学） 纠错

AI总结 ASBM通过优化轨迹生成提升高维数据生成的稳定性和效率，减少采样步骤提高图像生成保真度。

Learning Data-Efficient and Generalizable Neural Operators via Fundamental Physics Knowledge

通过基本物理知识学习数据高效且可泛化的神经算子

Siying Ma, Mehrdad M. Zadeh, Mauricio Soroco, Wuyang Chen, Jiguo Cao, Vijay Ganesh

机构 * Simon Fraser University（西蒙·弗雷泽大学） ； Georgia Institute of Technology（佐治亚理工学院） 纠错

AI总结 本文提出一种多物理训练框架，通过整合基本物理知识提升神经算子的数据效率和泛化能力，适用于多种维度的PDE问题。