ファインマン物理学方程式を機械学習で発見する：AI Feynman
3つの要点 ✔️ 問題を単純で、変数の少ないものに変換する事を繰り返して解く ✔️ ニューラルネットワークによって関数同定問題を改善 ✔️ 既存のソフトウェアを上回る予測精度を達成 AI Feynman: a Physics-Inspired Method for Symbolic Regression written by Silviu-Marian Udrescu (MIT), Max Tegmark (MIT) (Submitted on 27 May 2019 (v1), last revised 15 Apr 2020 (this version, v2)) Comments: Published on arxiv. Subjects: Computational Physics (physics.comp-ph); Artificial Intelligence (cs.AI)
「分子内の原子」まで見える物理的限界にせまった画像を公開 - ナゾロジー
物理的に見ることができる限界サイズコーネル大学の研究チームは、2018年に高出力の検出器と電子タイコグラフィと呼ばれる手法を組み合わせて、最先端電子顕微鏡の解像度を大きく引き上げる世界記録を樹立しました。 しかし、そのとき達成された方法には弱点があり、見ることができる物質は原子数個分の厚さまでという、極薄サンプルにか対応できなかったのです。 この原因はサンプルが、それ以上の厚さになると、ぶつけた電子ビームが解析できないレベルで散乱してしまうためです。 今回、米国のコーネル大学カブリ・ナノスケール科学研究所（KIC）のデビッド・ミュラー氏が率いるチームは、これまで以上に高度な最先端の3D再構成アルゴリズムと電子顕微鏡ピクセルアレイ検出器（EMPAD）を開発し、解像度記録を2倍近く更新させました。 「これは単なる新記録の樹立というだけではありません。 我々は事実上、分解能の究極限界となる領域に
1
リリース、障害情報などのサービスのお知らせ
最新の人気エントリーの配信
処理を実行中です
j次のブックマーク
k前のブックマーク
lあとで読む
eコメント一覧を開く
oページを開く
