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。
Physics-informed radial basis network (PIRBN): A local approximating neural network for solving nonlinear PDEs
Arxiv
0+阅读 · 2023年4月20日
Unleashing the Power of Sound: Revisiting the Physics of Notations for Modelling with auditory symbols
Arxiv
0+阅读 · 2023年4月17日
The principle of a finite density of information
Arxiv
0+阅读 · 2023年4月17日
Perfect matchings and Quantum physics: Bounding the dimension of GHZ states
Arxiv
0+阅读 · 2023年4月13日
Physics-informed radial basis network (PIRBN): A local approximation neural network for solving nonlinear PDEs
Arxiv
0+阅读 · 2023年4月13日
Physics-informed Information Field Theory for Modeling Physical Systems with Uncertainty Quantification
Arxiv
0+阅读 · 2023年4月12日
Learned multiphysics inversion with differentiable programming and machine learning
Arxiv
0+阅读 · 2023年4月12日
Neuronal diversity can improve machine learning for physics and beyond
Arxiv
0+阅读 · 2023年3月27日
Online Learning and Control for Data-Augmented Quadrotor Model
Arxiv
0+阅读 · 2023年4月2日
Can AI Put Gamma-Ray Astrophysicists Out of a Job?
Arxiv
0+阅读 · 2023年4月4日
Human Trajectory Prediction via Neural Social Physics
Human Trajectory Prediction via Neural Social Physics
Arxiv
0+阅读 · 2023年3月31日
Advances in apparent conceptual physics reasoning in ChatGPT-4
Arxiv
0+阅读 · 2023年3月29日
Physical Deep Reinforcement Learning Towards Safety Guarantee
Arxiv
0+阅读 · 2023年3月29日
On Causal Equivalence by Tracing in String Rewriting
Arxiv
0+阅读 · 2023年3月28日
Physics-informed neural networks in the recreation of hydrodynamic simulations from dark matter
Arxiv
0+阅读 · 2023年3月24日
参考链接
父主题
自然科学
子主题
电动力学
Jonathan Schmidt
Mário R. G. Marques,
微信扫码咨询专知VIP会员
Top