University of California, San Diego（加州大学圣迭戈分校）

Surface-based Molecular Design with Multi-modal Flow Matching

基于表面的分子设计与多模态流匹配

Fang Wu, Zhengyuan Zhou, Shuting Jin, Xiangxiang Zeng, Jure Leskovec, Jinbo Xu

机构 * Stanford University（斯坦福大学） ； University of California, San Diego（加州大学圣地亚哥分校） ； Wuhan University of Science and Technology（武汉科技大学） ； Hunan University（湖南大学） 纠错

AI总结 SurfFlow通过多模态流匹配算法实现基于分子表面的肽共同设计，提升肽与受体的结合准确性，并在PepMerge基准中优于全原子基线。

Journal ref KDD 2025

Nonholonomic Robot Parking by Feedback -- Part I: Modular Strict CLF Designs

非holonomic机器人泊车的反馈方法——第一部分：模块化严格CLF设计

Velimir Todorovski, Kwang Hak Kim, Alessandro Astolfi, Miroslav Krstic

机构 * Department of Mechanical and Aerospace Engineering, UC San Diego（加州大学圣地亚哥分校机械与航空航天工程系） ； Imperial College London（伦敦帝国学院） ； University of Rome Tor Vergata（罗马托维加塔大学） 纠错

AI总结 本文提出了一种模块化设计框架，通过解耦径向坐标实现非holonomic单轮车的渐近稳定，结合被动性、逆向设计和积分前馈开发反馈律，并提供严格CLFs以实现特征值分配和收敛估计。

Comments arXiv admin note: text overlap with arXiv:2509.25575

Structure-preserving Lift & Learn: Scientific machine learning for nonlinear conservative partial differential equations

保持结构的提升与学习：用于非线性守恒偏微分方程的科学机器学习

Harsh Sharma, Juan Diego Draxl Giannoni, Boris Kramer

机构 * Department of Mechanical and Aerospace Engineering, University of California San Diego, CA, United States（机械与航空航天工程系，加州大学圣地亚哥分校） 纠错

AI总结 本文提出了一种用于非线性守恒偏微分方程的科学机器学习方法，通过能量二次化策略和混合学习方法，高效学习保持结构的二次降阶模型。