会员服务
物理学（Physics）是一门形式科学，主要研究的是时空中的物质及其运动的模型，包括能量和作用力等所有相关概念。更广义地说，物理学探索分析大自然所发生的现象，目的是要了解其规则。 话题图片由 张明明 知友制作。
A Conservation Law for Equilibrium Propagation and Coupled Learning
Arxiv
0+阅读 · 6月13日
Coercivity and Local Convergence of Physical Learning in Linear Circuits
Arxiv
0+阅读 · 6月13日
Physics of anticipatory active matter, with application to crowd dynamics
Arxiv
0+阅读 · 6月12日
Evolution of bilateral and multilateral collaboration of EU-14 countries across disciplines, 2010-2024
Arxiv
0+阅读 · 6月4日
Considering a generative mechanism of consciousness from the perspective of inter-level causation
Arxiv
0+阅读 · 6月1日
A Statistical Physics View of the S&P 500: Pairwise Interactions and Time-Varying Dynamics
Arxiv
0+阅读 · 5月24日
MDForge: Agentic Molecular Dynamics Pipeline Design under Sparse Simulator Feedback
Arxiv
0+阅读 · 6月11日
UniPixie: Unified and Probabilistic 3D Physics Learning via Flow Matching
Arxiv
0+阅读 · 6月9日
DiscoverPhysics: Benchmarking LLMs for Out-of-the-Box Scientific Thinking
Arxiv
0+阅读 · 5月25日
Agentic Microphysics: A Manifesto for Generative AI Safety
Arxiv
0+阅读 · 4月16日
A Thermodynamic Structure of Asymptotic Inference
Arxiv
0+阅读 · 3月25日
Non-Equilibrium Stochastic Dynamics as a Unified Framework for Insight and Repetitive Learning: A Kramers Escape Approach to Continual Learning
Arxiv
0+阅读 · 4月5日
E2E-Fly: An Integrated Training-to-Deployment System for End-to-End Quadrotor Autonomy
Arxiv
0+阅读 · 4月14日
Local learning for stable backpropagation-free neural network training towards physical learning
Arxiv
0+阅读 · 4月19日
Local learning for stable backpropagation-free neural network training towards physical learning
Arxiv
0+阅读 · 3月25日
参考链接
微信扫码咨询专知VIP会员
Top