最近，机器学习是在物理设备的反设计中引入的，即，自动生成设备几何形状以产生所需的物理响应 ...

长期以来，可扩展且可概括的物理学意识到的深度学习一直被认为是从机器人技术到分子动力学的各种领域的各种应用的重大挑战。几乎所有物理系统的核心都是符号形式，这是能量和动量等基本不变的几何主链。在这项工作中，我们介绍了一种新颖的深度学习建筑Metasym ...

缺乏各种偏微分方程（PDE）的分析解决方案产发了一系列用于数值解决方案的计算技术。尽管在开发神经网络操作员（一种基于神经网络的PDE求解器）方面取得了许多最新进展，但这些求解器在学习非线性PDE家族的长期行为时变得不准确和解释。在本文中，我们提出了新的神经操作员Koopman神经操作员（KNO），以克服这些挑战 ...

培训和表示学习在现代语音处理中起着越来越重要的作用。然而，由于主要的培训技术要么设计用于歧视任务或生成任务，因此不同的应用程序一直依赖于不同的基础模型。在这项工作中，我们首次尝试为两种类型的演讲中的两种任务构建统一的训练框架 ...

生成人工智能（GAI）已成为内容生成，推理和决策的关键技术，使其成为以开放性，连接的情报和服务民主化为特征的6G阶段的有前途的解决方案。本文探讨了将未来的6G网络中的GAI集成和货币化的策略，主要是从移动网络运营商（MNOS）的角度来看。我们提出了一个新颖的以API为中心的电信GAI市场平台，旨在作为直接在网络内部部署，管理和货币化的中央枢纽 ...

大型语言模型（LLM）的最新进展已在零击文本到语音（TTS）综合方面取得了重大进展。但是，现有的基础模型依靠多阶段处理或复杂的体系结构来预测多个代码簿，限制效率和集成灵活性。为了克服这些挑战，我们介绍了由Bicodec提供支持的新型系统Spark-TT，这是一种单流语音编解码器，将语音分解为两种互补的 Token 类型：低 - 抑制语言语言 Token ，用于语言内容和固定的扬声器全球 Token ...

知识追踪（KT）任务着重于根据历史互动来预测学习者的未来表现。知识状态在学习过程中起着关键作用。但是，考虑到知识状态受到互动过程中各种学习因素的影响，例如练习相似性，回答可靠性和学习者的学习状态 ...

新兴的知识追踪（KT）模型，尤其是深度学习和基于注意力的知识追踪，通过根据他们过去的互动来预测学生的未来表现，在实现个性化学习分析方面表现出了巨大的潜力。现有方法主要集中于过去的互动或单个概念，而没有考虑知识概念之间的依赖性（称为知识概念路线，这对于促进理解学生的学习成果至关重要。为了解决这个问题，在本文中，我们通过有效地将知识概念路线的领域知识途径纳入给定课程中提出了一种创新的基于注意力的方法  ...