Suche nach Equivariant | meineki.news

Neues Netzwerk: Untergruppen-Equivariante Modelle via Symmetriebrechung

Symmetrie als inhärente Struktur in Daten – sei es bei Gittern, Mengen oder Graphen – wirkt sich positiv auf die Generalisierung aus. In de…

arXiv – cs.LG 23.03.2026 04:00

Forschung

Neue Kernels für equivariant CNNs: Von 2D‑Rotationen bis Lorentz

In einer kürzlich veröffentlichten Arbeit haben Forscher einen neuen Ansatz zur Berechnung steierbarer Kerne in equivariant Convolutional N…

arXiv – cs.LG 16.03.2026 04:00

Forschung

Reduktion Invarianten auf Isotropie – Flexiblere Equivariant Neural Fields

Ein neues arXiv-Preprint mit der Nummer 2603.08758v1 präsentiert einen bahnbrechenden Ansatz, der die Art und Weise, wie wir geometrische L…

arXiv – cs.LG 11.03.2026 04:00

Forschung

Neuer Graph-Transformer revolutioniert Vorhersage von Wellenfunktionen in TDDFT

In der Echtzeit‑TDDFT (zeitabhängige Dichtefunktionaltheorie) werden die elektronischen Wellenfunktionen eines Moleküls kontinuierlich in R…

arXiv – cs.LG 05.03.2026 05:00

Forschung

Neuer Algorithmus beschleunigt Clebsch‑Gordan Tensorprodukte auf asymptotische Ebene

In der Welt der 3D‑Modellierung haben sich E(3)-equivariant neuronale Netzwerke als äußerst leistungsfähig erwiesen. Ein zentrales Element…

arXiv – cs.LG 26.02.2026 05:00

Forschung

Neues ML-Modell M=oLe liefert Coupled-Cluster-Genauigkeit mit geringem Aufwand

Die Dichtefunktionaltheorie (DFT) ist die am häufigsten genutzte Methode zur Berechnung molekularer Eigenschaften, doch ihre Genauigkeit re…

arXiv – cs.LG 25.02.2026 05:00

Forschung

Neues Quantitatives Approximationstheorem für gruppeninvariante Lernmodelle

Die Universal Approximation Theorem besagt, dass neuronale Netze beliebige stetige Funktionen auf kompakten Mengen approximieren können. In…

arXiv – cs.LG 25.02.2026 05:00

Forschung

UBio-MolFM: Molekularmodell vereint QM-Genauigkeit und biologische Skalierung

Die neueste Veröffentlichung von UBio-MolFM präsentiert ein universelles Molekularmodell, das die bisherige Kluft zwischen quantenmechanisc…

arXiv – cs.AI 23.02.2026 05:00

Forschung

Deep Learning verbessert Unsicherheitsabschätzung atomarer Potentiale

In der Molekulardynamik sind Unsicherheitsabschätzungen entscheidend, um die Zuverlässigkeit von maschinellen Lernpotenzialen (MLIPs) zu be…

arXiv – cs.LG 12.02.2026 05:00

Forschung

Neue Methode verbessert Unsicherheitsabschätzung in Conformal Prediction

Forscher haben gezeigt, wie die Symmetrie von vortrainierten Modellen die Genauigkeit von Conformal Prediction (CP) deutlich steigern kann…

arXiv – cs.LG 05.02.2026 05:00

Forschung

SEIS: Subspace-basierte Scores für Equivariance & Invariance Repräsentationen

Neurale Netzwerke müssen nicht nur Eingaben korrekt klassifizieren, sondern auch deren räumliche Struktur bewahren. Ein neues Verfahren nam…

arXiv – cs.LG 05.02.2026 05:00

Forschung

Produktinteraktion: Ein algebraisches Formalismus für Deep‑Learning‑Architekturen

In einer kürzlich veröffentlichten Arbeit auf arXiv wird ein neues Konzept namens „Product Interactions“ vorgestellt, das neuronale Netzwer…

arXiv – cs.LG 04.02.2026 05:00

Forschung

GEPC: Gruppen-Equivarianz erkennt Ausreißer in Diffusionsmodellen

Diffusionsmodelle bestimmen einen zeitabhängigen Score‑Feld, das häufig die Symmetrien (Spiegelungen, Drehungen, Kreisverschiebungen) der T…

arXiv – cs.LG 03.02.2026 05:00

Forschung

MixQuant: Grenzen der Blockrotationen in der Post-Training-Quantisierung neu definiert

Die neueste Forschung im Bereich der Post-Training-Quantisierung (PTQ) hat gezeigt, dass Blockrotationen ein vielversprechendes Mittel sind…

arXiv – cs.LG 02.02.2026 05:00

Forschung

Floating-Point-Transformer: Grenzen der Ausdruckskraft entdeckt

Eine neue Arbeit, die auf arXiv veröffentlicht wurde, untersucht die Ausdruckskraft von Transformer‑Modellen, die mit Gleitkomma‑Parametern…

arXiv – cs.LG 26.01.2026 05:00

Forschung

Effiziente 3D‑Molekülgenerierung: Skalierbare Diffusionsmodelle lösen Engpässe

Diffusionsmodelle haben sich als leistungsstarke Werkzeuge für die molekulare Gestaltung etabliert, indem sie komplexe strukturelle Verteil…

arXiv – cs.LG 15.01.2026 05:00

Forschung

DiffeoMorph: KI-gestützte 3D-Formgebung mit differenzierbaren Agenten

In einem bahnbrechenden Beitrag aus dem Bereich der biologischen Morphogenese und der künstlichen Intelligenz präsentiert das Forschungstea…

arXiv – cs.LG 22.12.2025 05:00

Forschung

Komplettführer zu sphärisch equivarianten Graph-Transformern

Ein neuer Leitfaden erklärt, wie sphärisch equivariant Graph-Transformers die Rotationssymmetrien von dreidimensionalen Molekülen und Biomo…

arXiv – cs.LG 17.12.2025 05:00

Forschung

MolGuidance: Neue Guidance‑Strategien für konditionierte Molekülgenerierung

Die neueste Veröffentlichung von MolGuidance präsentiert fortschrittliche Guidance‑Methoden, die die konditionierte Molekülgenerierung auf…

arXiv – cs.LG 16.12.2025 05:00

Forschung

Symmetrie-gestützte Steuerung von Diffusionspolitiken: Nutzen und Grenzen

Ein neues arXiv-Posting mit der Nummer 2512.11345v1 präsentiert einen bedeutenden Fortschritt in der Steuerung von Diffusionspolitiken, die…

arXiv – cs.LG 15.12.2025 05:00

Forschung

Neues Modell ermöglicht vollständig induktives Graph‑Lernen ohne Retraining

Ein neues Verfahren namens Graph View Transformation (GVT) eröffnet die Möglichkeit, Graph‑Strukturen vollständig induktiv zu verarbeiten…

arXiv – cs.LG 15.12.2025 05:00

Forschung

Symmetry-Loss: Gehirn-Inspiration für invariante Lernmodelle

Ein neues Forschungsprojekt aus dem arXiv-Repository präsentiert Symmetry-Loss, einen algorithmischen Ansatz, der die Prinzipien des Gehirn…

arXiv – cs.AI 15.12.2025 05:00

Forschung

Neutrale Netzwerke verbessern Lernleistung bei Quantenmolekülen

Ein neues arXiv‑Veröffentlichung untersucht, wie verschiedene Formen der Symmetrie in neuronalen Netzwerken die Leistung beim Lernen von Qu…

arXiv – cs.LG 08.12.2025 05:00

Forschung

ChefNMR: KI-Modell entschlüsselt Molekülstrukturen aus NMR-Spektren

Nuklearmagnetische Resonanz (NMR)-Spektroskopie bleibt das wichtigste Verfahren zur Bestimmung der Strukturen kleiner Moleküle, doch die In…

arXiv – cs.LG 04.12.2025 05:00

Forschung

Schnelle Lernkurve: 3D‑Rotations‑Equivariance in Modellen in 10k Schritten

Ein neues arXiv-Preprint beleuchtet, wie schnell Modelle 3D‑Rotations‑Equivariance erlernen und welche Vorteile dies für hochdimensionale M…

arXiv – cs.LG 03.12.2025 05:00

Forschung

GLOBE: Präzise PDE‑Surrogates dank domäneninspirierten Architekturen

Mit GLOBE wird ein neuer Meilenstein in der numerischen Lösung homogener partieller Differentialgleichungen gesetzt. Das Modell kombiniert…

arXiv – cs.LG 21.11.2025 05:00

Forschung

GESC-Modell revolutioniert Graph Neural Networks bei heterophilen Strukturen

Ein neues Verfahren namens Gauge‑Equivariant Graph Network mit Self‑Interference Cancellation (GESC) verspricht, die Leistung von Graph Neu…

arXiv – cs.LG 21.11.2025 05:00

Forschung

Kostenlose Gruppendurchschnittung steigert Genauigkeit physikalischer ML-Modelle

Viele maschinelle Lernaufgaben in den Naturwissenschaften sind exakt symmetrie‑equivariant. Trotzdem werden equivariant‑Methoden selten ein…

arXiv – cs.LG 14.11.2025 05:00

Forschung

Peptide2Mol: KI-gestütztes Diffusionsmodell erzeugt peptidähnliche Moleküle für gezielte Proteinbindung

In der strukturbasierten Wirkstoffentwicklung hat die Integration von künstlicher Intelligenz neue Wege eröffnet, insbesondere bei der Erze…

arXiv – cs.LG 10.11.2025 05:00

Forschung

Lernrate entscheidet: Topologische Stabilität in neuronalen Netzen

Ein neues arXiv‑Veröffentlichung (2510.02670v1) liefert einen mathematischen Beweis dafür, dass bei einer breiten Klasse permutationen‑equi…

arXiv – cs.LG 06.10.2025 05:00

Finde Modelle, Firmen und Themen

Neues Netzwerk: Untergruppen-Equivariante Modelle via Symmetriebrechung

Neue Kernels für equivariant CNNs: Von 2D‑Rotationen bis Lorentz

Reduktion Invarianten auf Isotropie – Flexiblere Equivariant Neural Fields

Neuer Graph-Transformer revolutioniert Vorhersage von Wellenfunktionen in TDDFT

Neuer Algorithmus beschleunigt Clebsch‑Gordan Tensorprodukte auf asymptotische Ebene

Neues ML-Modell M=oLe liefert Coupled-Cluster-Genauigkeit mit geringem Aufwand

Neues Quantitatives Approximationstheorem für gruppeninvariante Lernmodelle

UBio-MolFM: Molekularmodell vereint QM-Genauigkeit und biologische Skalierung

Deep Learning verbessert Unsicherheitsabschätzung atomarer Potentiale

Neue Methode verbessert Unsicherheitsabschätzung in Conformal Prediction

SEIS: Subspace-basierte Scores für Equivariance & Invariance Repräsentationen

Produktinteraktion: Ein algebraisches Formalismus für Deep‑Learning‑Architekturen

GEPC: Gruppen-Equivarianz erkennt Ausreißer in Diffusionsmodellen

MixQuant: Grenzen der Blockrotationen in der Post-Training-Quantisierung neu definiert

Floating-Point-Transformer: Grenzen der Ausdruckskraft entdeckt

Effiziente 3D‑Molekülgenerierung: Skalierbare Diffusionsmodelle lösen Engpässe

DiffeoMorph: KI-gestützte 3D-Formgebung mit differenzierbaren Agenten

Komplettführer zu sphärisch equivarianten Graph-Transformern

MolGuidance: Neue Guidance‑Strategien für konditionierte Molekülgenerierung

Symmetrie-gestützte Steuerung von Diffusionspolitiken: Nutzen und Grenzen

Neues Modell ermöglicht vollständig induktives Graph‑Lernen ohne Retraining

Symmetry-Loss: Gehirn-Inspiration für invariante Lernmodelle

Neutrale Netzwerke verbessern Lernleistung bei Quantenmolekülen

ChefNMR: KI-Modell entschlüsselt Molekülstrukturen aus NMR-Spektren

Schnelle Lernkurve: 3D‑Rotations‑Equivariance in Modellen in 10k Schritten

GLOBE: Präzise PDE‑Surrogates dank domäneninspirierten Architekturen

GESC-Modell revolutioniert Graph Neural Networks bei heterophilen Strukturen

Kostenlose Gruppendurchschnittung steigert Genauigkeit physikalischer ML-Modelle

Peptide2Mol: KI-gestütztes Diffusionsmodell erzeugt peptidähnliche Moleküle für gezielte Proteinbindung

Lernrate entscheidet: Topologische Stabilität in neuronalen Netzen

🍪 Cookie-Einstellungen