TMLR

SSFL: Discovering Sparse Unified Subnetworks at Initialization for Efficient Federated Learning

SSFL：在初始化时发现稀疏统一子网络以实现高效的联邦学习

Riyasat Ohib, Bishal Thapaliya, Gintare Karolina Dziugaite, Jingyu Liu, Vince Calhoun, Sergey Plis

机构 * Georgia Institute of Technology（佐治亚理工学院） ； TReNDS Center（TReNDS中心） ； Google DeepMind, Mila - Quebec AI Institute（谷歌DeepMind、魁北克AI研究所） ； Georgia State University（佐治亚州立大学） ； Emory University（埃默里大学） ； Center for Translational Research in Neuroimaging & Data Science (TReNDS)（神经影像与数据科学转化研究中心（TReNDS）） 纠错

AI总结 SSFL通过在初始化时发现稀疏统一子网络，实现高效联邦学习，减少通信成本并提升准确性与稀疏性权衡。

Comments Published in Transactions on Machine Learning Research (TMLR), 2026

Journal ref Transactions on Machine Learning Research, 2026

VICON: Vision In-Context Operator Networks for Multi-Physics Fluid Dynamics Prediction

VICON：基于多物理场流体动力学预测的上下文操作网络

Yadi Cao, Yuxuan Liu, Liu Yang, Rose Yu, Hayden Schaeffer, Stanley Osher

机构 * University of California, Los Angeles（加州大学洛杉矶分校） ； University of California, San Diego（加州大学圣地亚哥分校） ； National University of Singapore（新加坡国立大学） 纠错

AI总结 VICON通过整合视觉Transformer架构，高效处理2D数据并提升多物理场流体动力学预测的准确性与鲁棒性。

Comments update after TMLR accept