- 批次贝叶斯优化的最佳初始化
采用 Bayesian optimization 的 Minimal Terminal Variance (MTV) 方法通过优化设计而非随机抽样选择实验批次，并应用于初始批次和后续批次，以减少设计和评估工程系统质量所需的总时间。
- 智能基于代理的建模：关于在计算机模拟中使用大型语言模型
通过将大型语言模型（LLMs）如 GPT 集成到智能智能体建模（SABM）中，我们在这篇综述性研究中阐明了 ABM 的现状，介绍了 SABM 的潜力和方法，并提出了三个案例研究，验证了其在模拟现实系统中的有效性，同时展望了 SABM 未来应 - AtmoRep: 基于大规模表示学习的大气动力学随机模型
大气动力学的计算机模拟及表示学习所使用的随机模型，基于历史轨迹约束的观测可提供多种大气效应的技术结果。
- 喷射流与高爆药互动的时空替代物：第一部分 —— 小样本分析
本研究通过一个二维的喷气与高爆相互作用问题，探讨如何构建高质量的拟数据，同时分析大量数据集的方法，并提出了提高拟合精度的简便方法。
- MM肾动脉网络的全尺寸重建的混合方法
提出采用半自动分割技术和全局构造优化算法构建个体化肾血管网络模型，以实现肾功能计算机模拟和基于人工智能的诊断方法，并通过一只大鼠肾脏的解剖数据对模型进行有效性验证。
- 使用非配对的图像转换方式生成用于腹腔镜图像处理任务的大型标注数据集
通过图像翻译方法，我们生成了外科镜检查图像的大量合成数据集，并展示了这样的数据集可用于训练和提高肝脏分割模型性能的可能性。
- ICML无似然马尔可夫蒙特卡洛与分摊的近似比率估计器
该研究提出了一种解决在科学领域中使用高级计算机模拟时出现的后验推断问题的新方法，这种方法使用学习的灵活的摊销估计量来近似似然 - 证据比率，并可以嵌入 MCMC 采样器中以从难以处理的后验中获得样本。
- 利用高斯过程学习线性微分方程
本文利用概率机器学习的最新进展，发现由参数线性方程表达的守恒定律，通过高斯过程先验根据此类算子的特定形式进行修改并用于从稀疏和可能嘈杂的观测中推断出线性方程的参数，这些观测可以来自实验或 “黑盒” 计算机模拟。
- 最大 Lq 似然估计
本文介绍了一种基于非广义熵的新参数估计器 - 最大 L$q$ 似然估计器（ML$q$E）。通过渐近分析和计算机模拟研究 ML$q$E 的特性，表明对于小样本和中样本，当适当选择失真参数 $q$ 时，可以通过牺牲偏差以获得更大的精确度，从而显 - 社会力模型用于行人动力学
此论文提出一个社会力模型，可以精确地描述行人行为，在计算机模拟中表现得非常逼真，并能自组织成为几个观察到的行人行为的集体效应。