Material design strategy unlocks magnetic tunability in quasicrystal approximants
在化学计量化合物（具有元素固定比的化合物）中，元素比由化学稳定性决定，化学稳定性限制了组成的数量，因此可以调节元素的成分数量，因此可以调节元素比率。调整E/A已被证明是许多金属间化合物中建筑磁性特性的有前途的策略，尤其是具有复杂结构在内的复杂结构（包括准晶体（QC））及其结构相关的近似晶体（ACS）的策略。
Solving the two-body problem with high precision
国际研究人员预测了两个黑洞产生的重力波，其中相关的社论称为“具有里程碑意义的精度”。他们通过使用最初在粒子物理领域开发的技术来解决两体问题 - 查看如何通过重力相互作用的两个大型物体相互作用的相对运动。通过扰动理论，该理论始于解决问题的简单近似值，然后逐步解决更复杂的细节，团队产生的结果是一个高度精确的，分析性的解决方案。由于传统的预测这些相互作用的方式是昂贵且缓慢的，因此新方法为将来的观察和更准确的重力波模型铺平了道路。
Universally Instance-Optimal Mechanisms for Private Statistical Estimation
我们考虑了在差异隐私的约束下，实例 - 最佳统计估计的问题，机制必须适应输入数据集的难度。我们证明了使用新的差异来确定实例特定的下限，并证明它是局部统计估计的局部最小值最佳率。我们提出了两种新的机制，这些机制在实例上是最佳的，对于对数因素而言，对于一般估计问题而言。我们的第一感机理，总变化机制，建立在指数机制上，总近似值……
Soft Computing. Volume 29, Issue 3, February 2025
1) Some new construction methods of similarity measure on picture fuzzy setsAuthor(s): Minxia Luo, Jianlei Gao, Wenling LiPages: 1273 - 12872) Arithmetic optimization algorithm with cosine transform-based two-dimensional composite chaotic mappingAuthor(s): Yi-Xuan Li, Jie-Sheng Wang, Xin-Ru MaPage
Climate Science—Settled Until It’s Not
与此同时，每隔几年，就会出现另一个关键因素（如 MeSH），需要进行重大的重新校准，但我们不断确信这些模型过去的准确性和未来的可靠性，好像这些启示仅仅是脚注而不是范式转变。这些模型是现实的近似值，还是披着复杂数学外衣的随意猜测？
Optimizing Contextual Speech Recognition Using Vector Quantization for Efficient Retrieval
神经语境偏差允许语音识别模型利用语境相关信息，从而提高转录准确性。然而，偏差机制通常基于音频和偏差条目目录之间的交叉注意模块，这意味着计算复杂性可能会对偏差目录的大小造成严重的实际限制，从而影响准确性的提高。这项工作提出了一种基于矢量量化的交叉注意评分近似值，并实现了计算和内存高效的大偏差使用……
Reinforcement Learning, Part 8: Feature State Construction
通过将状态特征巧妙地纳入学习目标来增强线性方法强化学习是机器学习的一个领域，它引入了代理在复杂环境中学习最佳策略的概念。代理根据环境状态从其行为中学习，从而获得奖励。强化学习是一个具有挑战性的话题，与机器学习的其他领域有很大不同。强化学习的显著之处在于，可以使用相同的算法使代理适应完全不同、未知和复杂的条件。关于本文在第 7 部分中，我们介绍了可扩展标准表格方法的值函数近似算法。除此之外，我们特别关注了一个非常重要的情况，即近似值函数是线性的。我们发现，线性保证了收敛到全局最优值或 TD 不动点（在半梯度方法中）。问题是，有时我们可能希望使用更复杂的近似值函数，而不仅仅是简单的标量积，而不离开
Predicting Soil Moisture Content Using Physics-Informed Neural Networks (PINNs)
摘要：近地表土壤含水量等环境条件是物体检测问题中的宝贵信息。然而，如果没有主动感知，通常无法以必要的规模获得此类信息。理查兹方程是一个描述非饱和土壤入渗过程的偏微分方程 (PDE)。求解理查兹方程可以得到有关土壤体积含水量、水力传导率和毛细管压力头的信息。然而，由于理查兹方程的非线性，它很难近似。有限差分法 (FDM) 和有限元法 (FEM) 等数值求解器是近似理查兹方程解的常规方法。但此类数值求解器在实时使用时非常耗时。物理信息神经网络 (PINN) 是依赖物理方程近似解的神经网络。一旦经过训练，这些网络就可以快速输出近似值。因此，PINN 在数值 PDE 社区中引起了广泛关注。该项目旨在将
Revisiting Non-separable Binary Classification and its Applications in Anomaly Detection
无法线性分类 XOR 激发了深度学习的大部分动力。我们重新审视这个古老的问题，并表明 XOR 的线性分类确实是可能的。我们提出了一个略有不同的范例，即等式分离，而不是在半空间之间分离数据，该范例可调整 SVM 目标以区分边际内或边际外的数据。然后，我们的分类器可以以平滑的近似值集成到神经网络管道中。从其属性来看，我们直觉地认为等式分离适用于异常检测。为了形式化这个概念，我们引入了闭包……
Intangible Capital and Growth Options: The New Source of Value
在分析一家公司的财务业绩时，需要理清三件事：(1) 账面价值和市场价值之间的差异，(2) 资产负债表上显示的有形资本与未显示的内部产生的无形资产之间的差异，以及 (3) 现有资产和增长期权之间的差异。本文使用 Alphabet 的数据来解决这些问题，Alphabet 是增长期权和无形资产投资的典范。Alphabet 的数据如图 1 所示。数据并非精确。本文的目的是探讨与增长期权和无形资本相关的概念问题。正如 Koller、Goedhart 和 Wessels(2016) 所述，计算调整后的税后净营业利润 (NOPLAT) 和营运投资资本等数量需要仔细注意许多小细节。大多数细节并未纳入本文，因此
让我们来做一个快速的思维实验：装甲战斗群的突袭深度（包括撤退）是多少？Leopard A4 的“公路范围”约为 500 公里（不同车辆略有不同，与私家车的射程指标无法相比）。第一个近似值是突袭深度可达 250 公里。Leopard 2A4 (c) böhringer friedrich（未更改）但突袭不会全部在公路上进行，因此让我们使用我很久以前写的瑞典试验中的混合地面射程。当时的实际射程为 167 公里。后来的 Leopard 2 版本都更重，因此在这样的测试中它们可能甚至达不到 150 公里。因此，让我们假设第二个近似值是突袭深度约为 83 公里。当然，这样的突袭不会是直线进行的。我记得二
