- 机械领域中解决反问题的条件评分扩散模型
我们提出了一个框架，使用条件分数扩散模型执行贝叶斯推理来解决机械学中涉及由加载的噪声测量推断出具有空间变化的材料属性的一类反问题。
- 跨模态知识图谱的综合数理推理方法：材料性质预测
利用机器学习技术预测材料性质是一个关键的研究课题。本文提出了一种数值推理方法用于材料知识图谱，通过构建跨模态知识图谱并利用图神经网络来预测材料性质，实现了处理跨模态数据、挖掘关系和跨模态信息、充分利用实验数据的目标。文章还引入了两个新的高熵 - 基于扩散的去噪合成三维各向异性微结构的二维映像转换
通过基于二维显微图的条件扩散生成模型 (DGMs) 的空间连接，我们提出了一个重建各向异性微结构的框架，该框架能够有效地将噪声转化为三维微结构样本，并且通过修改的协调抽样方法提高样本质量，同时保持各向异性微结构样本在三维空间中的空间连接。验 - GIR: 可重新照明场景分解的三维高斯逆渲染
提出了一种使用 3D 高斯逆渲染的方法（GIR），用于重构可重照场景因素。通过使用 3D 高斯估计物体的材料属性、照明和几何结构，相比于现有的离散网格或神经隐式场逆渲染方法，我们的方法在性能、通用性和效率方面具备更大潜力。
- 多模学习的晶体材料
材料科学中的人工智能通过提高性能预测和加速新材料的发现，革命了这一领域。通过多模态对齐在共享潜在空间中连接高维材料性质，我们介绍了多模态学习结晶材料（MLCM）的基础模型训练新方法，展示了 MLCM 在多个方面的实用性，并在材料科学领域中引 - 可微分光线追踪学习无线电环境
用可微分参数化的材料特性、散射和天线模式结合可微分光线追踪的梯度校准方法，以训练可训练的参数来计算具有准确场景几何和材料特性的渠道脉冲响应。
- SplitNeRF: 切分总和逼近神经场用于联合几何、照明和材料估计
我们提出了一种新颖的方法来通过估计来自一组拍摄图片的几何、材质特性和环境光照来数字化真实世界物体。我们的方法将用于实时基于物理的渲染的基于图像的光照的分数和逼近方法纳入到神经辐射场（NeRF）管道中。我们提出了使用单个场景特定的 MLP 模 - 人工智能预测材料性质的不确定性量化方法的比较
机器学习在材料性能预测中是一个常用工具，本文研究了三种易于实施的方法来确定预测的不确定性，并比较了其在十种材料性质上的应用。
- DeepCrysTet：基于四面体网格的深度学习方法用于预测晶体材料的性质
通过三维四面体网格生成的晶体结构，提出了一种名为 DeepCrysTet 的新型深度学习方法，用于预测材料属性，该方法在分类晶体结构和预测弹性性质方面表现出色，优于现有的图神经网络模型。
- 自监督预训练对分子性质预测中的外推有效吗？
利用自我监督预训练技术可以提高材料特性的外推性能，使模型能够学习未观察特性值的相对趋势并改善外推性能。
- 利用轨道信息与原子特征的深度学习模型
利用晶体表示学习框架 Orbital CrystalNet 预测材料性质，该框架包括原子描述符生成和图形表示学习两个部分，证明了该模型的有效性。
- NeROIC：从在线图像集合中的物体进行神经渲染
本文介绍了一种从在线图像收藏中获取物体表征的新方法，捕捉了照片中任意物体的高质量几何和材料属性，利用神经辐射场扩展多阶段方法推断表面几何，提取表面材料属性和环境照明，形成高效的对象获取框架。
- 周期点集的密度指纹
基于晶体的周期性点集建立指纹，实现了对新材料和材料性质的高效搜索，同时保证了在等距变换下的不变性、连续性和常规完备性，并基于布里渊区和包含排除公式给出了快速算法。
- CVPR超越图像：使用回声改善深度预测
提出一种基于端到端深度学习的多模式融合技术，通过利用 RGB 图像、双耳回响和场景中不同物体的材料属性来改进音视频输入的场景深度估计，实验证明该方法在 Replica 数据集上比最先进的音视频深度预测方法提高了 28% 的 RMSE，并在 - CVPR3D 角色次要动作深度仿真
本文提出了一种基于学习的方法，用于增强基于绑定的 3D 角色动画的生动的次要动作效果，通过设计用于编码角色动力学的神经网络，该网络可以预测出新的顶点位置。我们的方法可以高效且精确地模拟角色动态，并且在各种 3D 角色网格和复杂动作序列上得到 - Atom2Vec: 学习化学元素以用于材料发现
本文介绍了人工智能领域重大的进展，特别是机器学习和深度学习技术在各种领域的应用，以及 Atom2Vec 无监督学习原子基本性质的能力，包括将学习到的性质表示为高维向量，用于训练神经网络和机器学习模型，以预测材料的物性。
- 晶体图卷积神经网络用于材料性能的准确和可解释的预测
本论文提出利用晶体图卷积神经网络 (CGCNN) 可直接从晶体原子之间的联系学习材料物性，有效提高了晶体材料设计的效率，并能够提取局部化学环境对全局物性的贡献，为晶体材料的设计提供了经验规则。
- 机器学习与材料信息学：最近的应用和前景
介绍了近十年来成功使用数据驱动的材料信息学策略，并指出了该领域面临的挑战和应该在不久的将来克服的挑战。
- ICCV摄像头周围有什么？
该研究论文利用基于学习的方法和多个反射率图预测环境和物质特性，从而揭示前景物体和背景之间的关系及信息获取方式。
- 视觉指示音
本文提出了一种利用递归神经网络从无声视频中合成与物体相互作用产生的声音的算法，并且在 “真实或假的” 心理物理实验中证实了该模型产生的声音足够逼真，能够传达物质特性和物理相互作用的显著信息。