University of Texas at Austin（得克萨斯大学奥斯汀分校）

Convolution Operator Network for Forward and Inverse Problems (FI-Conv): Application to Plasma Turbulence Simulations

卷积算子网络用于正向和反向问题（FI-Conv）：应用于等离子体湍流模拟

Xingzhuo Chen, Anthony Poole, Ionut-Gabriel Farcas, David R. Hatch, Ulisses Braga-Neto

机构 * Texas A\&M Institute of Data Science（德克萨斯A&M数据科学研究所） ； Department of Physics, The University of Texas at Austin（德克萨斯大学奥斯汀分校物理系） ； Department of Mathematics and Division of Computational Modeling and Data Analytics, Academy of Data Science, Virginia Tech（弗吉尼亚理工学院数据科学学院数学系及计算建模与数据分析分部） ； Institute for Fusion Studies, The University of Texas at Austin（德克萨斯大学奥斯汀分校融合研究学院） ； Department of Electrical and Computer Engineering, Texas A\&M University（德克萨斯A&M大学电气与计算机工程系） 纠错

AI总结 FI-Conv通过卷积算子网络有效预测和估计复杂时空动态系统，如等离子体湍流，展现高精度和低计算成本的性能。

DiffVax: Optimization-Free Image Immunization Against Diffusion-Based Editing

DiffVax: 面向扩散编辑的无优化图像免疫方法

Tarik Can Ozden, Ozgur Kara, Oguzhan Akcin, Kerem Zaman, Shashank Srivastava, Sandeep P. Chinchali, James M. Rehg

机构 * UIUC（伊利诺伊大学香槟分校） ； UT Austin（得克萨斯大学奥斯汀分校） ； UNC Chapel Hill（北卡罗来纳大学教堂山分校） 纠错

AI总结 DiffVax通过无优化的损失项实现高效的图像免疫，显著提升防御扩散编辑的速度和鲁棒性。

Comments Accepted into ICLR 2026. Project webpage: https://diffvax.github.io/