为了适应深空环境的恶劣条件,拥有灵活的物理化学性质并随需改变的材料将在定义未来的太空探索中变得至关重要。本文提出了一种基于计算机图形表示的方法来设计具有所需材料属性的结构,该方法使用自动微分来调整晶格元素的几何结构和属性。
Apr, 2023
提出一种名为生成元胞自动机的概率三维生成模型,其能够产生多样化和高质量的形状,利用细胞自动机的局部更新规则有效减少了搜索空间,在稀疏卷积网络的支持下进行渐进生成,通过抽样与训练轮廓数据的匹配学习得到了本地均匀规则,并在概率形状补全和形状生成的实验中取得了竞争性的性能。
Mar, 2021
使用自注意力机制来扩展以往基于循环神经网络的图输入的方法,以处理上游系统中自然语言处理任务的歧义度,进而有效地提高语音翻译任务的性能。
Jun, 2019
利用 LatticeML 应用通过机器学习加速高温图形化材料的设计和优化,预测热性能材料的有效弹性模量,并使用 Streamlit 框架创建交互式网页界面
Apr, 2024
研究中开发了一种新颖的多保真度深度学习方法,通过将参数空间信息纳入标准自动编码器体系结构中,将低保真度解决方案图转换为高保真度解决方案图,并表明由于参数空间数据的整合,该方法要求显著较少的训练数据来实现从低保真度到高保真度的有效性能。
May, 2024
该研究聚焦于解决非均匀非结构网格在计算流体力学中的挑战,通过利用图卷积网络和自编码图卷积网络结构生成降阶模型,有效提高了预测准确性和网络的能力。验证实验表明该方法在稳态分布量的精确重构方面可靠且具有多样性。
该研究提出了一种使用网格训练 GAN 的方法来生成三维形状,这种训练方法允许更多的表现力和空间控制,并提出了一种基于统计分析的鲁棒性评估标准。
Jul, 2021
该研究论文通过对多个细胞自动机转换规则的实验,初步探索了使用二维细胞自动机通过简单而有效的叠加方法生成三维地形,并展示了其在实时游戏地形生成方面的潜在适用性。
Jun, 2024
本文提出了一种基于网格自编码器的架构,利用稀疏正则化与卷积运算在处理嘈杂数据和大规模形变的网格时提取局部形变成分,此框架提供了一种以非线性的方式进行基础网格重建的方法,实验表明该方法优于目前的线性组合方法
Sep, 2017
本论文提出了一种基于可学习的单元概率函数和可微分单元复合模块的 Latent Topology Inference(LTI)方法,用于描述点之间的多路交互,此方法在多个同质和异质图数据集上的实验证明了其优于其他现有技术的表现,可用于在没有提供输入图形的情况下提高拓扑学习的性能。
May, 2023