视觉与机器人
图像生成、文生图、图像编辑、扩散模型和可控生成。
FlexDraft: 通过注意力调节和奖励引导校准实现灵活的推测解码
机构 * EPIC Lab, SJTU（上海交通大学EPIC实验室） ； UESTC ； School of Software Engineering, HUST（华中科技大学软件工程学院） ； Tsinghua University（清华大学） ； HKUST(GZ)（香港科技大学（广州）） ； Shanghai AI Laboratory（上海人工智能实验室）
专题命中 扩散模型 ：diffusion(abstract)
AI总结 本文提出FlexDraft框架，通过注意力调节和奖励引导校准，灵活适应不同批处理大小，解决传统并行推测解码在大批次时的吞吐量下降问题。
pop-cosmos: 从生成模型的深红外选源星系目录中研究12 Gyr的恒星形成
专题命中 扩散模型 ：diffusion(abstract)
AI总结 本文利用生成模型pop-cosmos研究了12 Gyr内的恒星形成，通过生成模型学习16个SPS参数的分布，计算了到z=3.5的恒星形成率密度，并揭示了星系的恒星形成历史和AGN活动与星系淬火的关系。
Comments 26 pages, 17 figures, accepted for publication at MNRAS
Journal ref Mon Not R Astron Soc (2026)
一种用于SEIQR流行病PDE模型的非标准有限差分方案
专题命中 扩散模型 ：diffusion(abstract)
AI总结 本文提出了一种非标准有限差分方法，用于反应扩散SEIQR流行病模型，该模型捕捉了传染病传播的空间时间动态。研究通过半线性抛物型偏微分方程系统进行建模，通过引入空间扩散来考虑人口迁移和空间异质性，从而扩展了传统 compartmental 模型。非标准有限差分离散化方法旨在保持连续模型的本质质量特征，如正性、有界性和稳定性，这些特征通常会被标准有限差分方法所破坏。本文严格分析了模型的适定性，构建了保持结构的非标准有限差分方案，并研究了其收敛性和局部截断误差。数值模拟验证了理论发现，并展示了该方案在保持生物一致动态方面的有效性。
通过马尔可夫链识别网络中的信息传播源
专题命中 扩散模型 ：diffusion(abstract)
AI总结 本文提出了一种基于马尔可夫链稳态分布的高效方法，用于在最大似然估计框架下解决信息传播源检测问题，通过模拟验证了该方法在随机和真实网络中的有效性。
Comments Replaced to fix minor typos in the text
Journal ref AAMAS 2026
在LHC上观测HWW衰变中量子纠缠的假设检验
专题命中 扩散模型 ：diffusion(abstract)
AI总结 本文提出了一种新的实验策略，用于在LHC上测试Higgs玻色子衰变成W玻色子对过程中的量子纠缠。通过引入连续形式的CGLMP不等式，该方法能够进行标准的假设检验，以区分纠缠态和分离态。此外，利用条件去噪扩散概率模型（cDDPM）来克服在H→WW*→ℓνℓν通道中重构不可见中微子动量的挑战，通过轮廓似然假设检验评估扩散重构方法，并考虑系统误差。
从快速、形态感知的电流-电压建模预测有机太阳能电池性能和稳定性
专题命中 扩散模型 ：diffusion(abstract)
AI总结 本文提出了一种快速、形态感知的电流-电压建模方法，用于预测有机太阳能电池的性能和稳定性，通过模拟复杂异质结形态的电流-电压曲线，揭示了材料系统对性能和寿命优化的物理妥协。
Comments 49 pages including SI
从质量损失历史到光变曲线：一种用于相互作用驱动暂现源的通用框架
专题命中 扩散模型 ：diffusion(abstract)
AI总结 本文提出了一种快速且通用的框架，用于建模相互作用驱动的暂现源，通过求解薄壳运动方程来模拟喷射物与周围星壳物质的碰撞，并支持任意的星壳密度和速度分布。该框架通过两种光度处理方法实现了光学/紫外光变曲线的建模，并通过基准比较展示了其在辐射-流体动力学模拟中的有效性。
Comments Comments welcome! 22 pages, 11 figures. Code available at https://github.com/nikhil-sarin/redback-csm
普朗克耗散来自经典流体力学
专题命中 扩散模型 ：diffusion(abstract)
AI总结 本文研究经典流体力学描述对量子系统自洽性的影响，发现系统在降低温度时，为保持经典区域，有效弛豫率必须至少为普朗克尺度，从而推导出扩散常数的普朗克尺度特性。
Comments 23 pages
DeRegiME：用于分布偏移下概率预测的深度制度混合
机构 * Machine Learning Research Group, University of Oxford（牛津大学机器学习研究组） ； Oxford-Man Institute, University of Oxford（牛津大学奥克斯曼研究所）
专题命中 扩散模型 ：diffusion(abstract)
AI总结 DeRegiME通过引入稀疏变分高斯过程，实现了概率预测中的制度混合，解决了神经预测器在处理分布偏移时的不足，提升了预测密度的准确性。
释放树状思维的力量以实现边缘增强的AIGC服务 provisioning
专题命中 扩散模型 ：diffusion(abstract)
AI总结 本文研究了利用树状思维提示的移动边缘计算增强的AIGC服务 provisioning，通过建立DAG模型和提出DSAC算法来优化生成延迟和质量约束。
Comments 15 pages, 11 figures, journal paper
磁流体动力学模拟
专题命中 扩散模型 ：diffusion(abstract)
AI总结 本文探讨了人工智能如何帮助解决磁流体动力学模拟中的根本性障碍，通过物理信息神经网络、傅里叶神经算子和混合运算-扩散框架等方法，结合高性能计算和量子算法，推动模拟技术的发展。
Comments 32 pages, 1 figure. Invited chapter for the book "Machine Learning Techniques for Astrophysics and Cosmology" (Eds. C. Bambi, V. Kashyap, S. Shashank and N. Yoshida, Springer Singapore, expected in 2027)
生成伪力场用于分子生成
机构 * Machine Learning Group, Technische Universität Berlin（技术大学柏林机器学习小组） ； BIFOLD – Berlin Institute for the Foundations of Learning and Data（柏林学习与数据基础研究院） ； Department of Mathematics and Computer Science, Freie Universität Berlin（柏林自由大学数学与计算机科学系） ； Zuse School ELIZA, Darmstadt, Germany（达姆施塔特德国Zuse学校ELIZA） ； Department of Physics, Freie Universität Berlin（柏林自由大学物理系） ； Microsoft Research AI4Science, Berlin, Germany（柏林德国微软研究院AI4Science） ； Department of Chemistry, Rice University, Houston, USA（美国休斯顿莱斯大学化学系） ； Max-Planck Institute for Informatics, Saarbrücken, Germany（德国萨尔布吕肯马克斯·普朗克信息研究所） ； Department of Artificial Intelligence, Korea University, Seoul, South Korea（韩国首尔韩国大学人工智能系）
专题命中 扩散模型 ：diffusion(abstract)
AI总结 本文提出生成伪力场（GPFFs）以解决分子生成中能量基放松与数据驱动生成模型采样效率之间的权衡问题，通过训练MLFF在参考平衡结构上的二次伪势能面上实现高效且稳定的分子构象生成。
用时空逻辑引导神经符号场景生成
机构 * University of Trieste（特里埃斯特大学） ； University of Southern California（南加州大学）
专题命中 扩散模型 ：diffusion(abstract)
AI总结 本研究提出STRELGen框架，结合扩散模型和时空逻辑规范，高效生成安全关键的多智能体驾驶场景，提升自动驾驶系统的鲁棒性验证能力。
伪行波与突起在量子和经典分层细胞神经网络中
专题命中 扩散模型 ：diffusion(abstract)
AI总结 本文研究了两种分层细胞神经网络中伪行波和突起解的存在性，通过反应-扩散方程和其量子类比（通过Wick旋转获得）进行分析，并通过数值模拟验证了量子CNN中伪行波解的存在性。
通过超组相对策略优化推动生物分子效用-多样性前沿
专题命中 扩散模型 ：diffusion(abstract)
AI总结 本文提出了一种灵活的GRPO风格框架SGRPO，通过直接构造集级别多样性奖励来维持生成多样性，从而在小分子设计、口袋基小分子设计和原生蛋白设计中扩展效用-多样性帕累托前沿。
从第一性原理注入轨道角动量到过渡金属
专题命中 扩散模型 ：diffusion(abstract)
AI总结 研究通过量子力学散射计算，分析过渡金属中非平衡自旋和轨道电流的衰减长度尺度，发现轨道极化电流的行为与自旋电流不同，且在注入铅时轨道电流在几层原子内衰减，挑战了现有实验解释。
Comments 13 pages, 11 figures
Journal ref J. Appl. Phys. 139, 193902 (2026)
扩散粒子的均场极限的自由边界问题
专题命中 扩散模型 ：diffusion(abstract)
AI总结 本文研究了具有非线性边界反应性的扩散粒子系统，通过均场极限描述了自由边界问题，并给出了流行病传播模型的严格均场描述，同时推动了惰性漂移系统和扩散介导表面反应的最新研究。
Comments 37 pages
可编程偶极子自旋冰的量子相干 regime
专题命中 扩散模型 ：diffusion(abstract)
AI总结 本文提出了一种可编程偶极子自旋冰模型，利用超导量子比特量子退火器实现对人工自旋冰量子相干动力学的探索，展示了超导量子比特在研究分数化激发和涌现规范动力学中的应用潜力。
具有伴随匹配的Q学习
机构 * UC Berkeley（加州大学伯克利分校）
专题命中 扩散模型 ：diffusion(abstract)
AI总结 本文提出了一种基于时序差分的强化学习算法QAM，解决了连续动作强化学习中的长期挑战：高效优化表达性强的扩散或流匹配策略相对于参数化的Q函数。通过利用批评者的首阶信息进行有效优化，但直接通过反向传播其多步去噪过程进行梯度优化在数值上不稳定。现有方法通过仅使用价值和丢弃梯度信息或依赖近似方法牺牲策略的表达性或偏置学习策略。QAM通过利用生成建模中最近提出的技术伴随匹配，将批评者的动作梯度转换为逐步目标函数，避免了不稳定反向传播，同时在最优时提供无偏且表达性强的策略。结合时序差分备份进行批评者学习，QAM在离线和离线到在线强化学习的硬稀疏奖励任务中一致优于先前方法。
Comments 32 pages, 8 figures, 7 tables
通过反射薛定谔桥问题实现不确定性下的最优轨迹规划的PDE约束优化方法
专题命中 扩散模型 ：diffusion(abstract)
AI总结 本文提出了一种基于反射薛定谔桥问题的PDE约束优化方法，用于在不确定性下进行最优轨迹规划。该方法通过将问题转化为均场极限，结合非线性Fokker-Planck方程和Hamilton-Jacobi-Bellman方程，利用Hopf-Cole变换将非线性系统转换为可高效求解的正向-反向对流扩散方程，验证了在复杂几何中计算最优控制的有效性。
研究平坦谱射电耀变源和BL Lac天体作为弥散极高能宇宙射线源
专题命中 扩散模型 ：diffusion(abstract)
AI总结 本文研究了平坦谱射电耀变源（FSRQs）和BL Lac天体是否可能作为弥散极高能宇宙射线（UHECRs）的天体来源，通过计算宇宙射线源人口的红移演化，并结合宇宙射线在 extragalactic 空间中的传播模型，与 Pierre Auger 观测数据进行比较，发现 FSRQ 情况因各向异性及源密度不一致而不被青睐，而 BL Lacs 与观测一致。
Comments 14 pages, 4 figures
Journal ref Astrophysical Journal 1003, 69 (2026)
小噪声渐近下粗糙过程的漂移估计：QMLE方法
专题命中 扩散模型 ：diffusion(abstract)
AI总结 本文研究了在小噪声渐近条件下，通过QMLE方法对具有奇异核的随机Volterra过程的漂移函数参数进行估计，证明了在网格大小趋于零时，路径重建误差随h^1/2衰减，从而得到一个有效的估计量。
湍流的输运闭合
专题命中 扩散模型 ：diffusion(abstract)
AI总结 本文提出了一种基于过滤Boltzmann-BGK方程的输运闭合方法，为湍流的替代描述铺平了道路。该闭合方法保留了湍流子滤波应力张量，而无需采用Smagorinsky型假设来描述其结构。通过推广BGK碰撞算子，该方法在非守恒矩中考虑了子滤波湍流扩散。该模型不需要在已解析和未解析尺度之间进行尺度分离。Chapman-Enskog分析显示，其流体动力学极限可以收敛到过滤Navier-Stokes方程，速度梯度隔离了子滤波贡献。在Taylor-Green涡旋和湍流混合层的数值测试中，该方法在稳定性方面有所改进，并在报告案例中减少了耗散，与Smagorinsky模型进行了基准对比。
关于自 propelled 物体运动模型奇异极限方程的存在性
专题命中 扩散模型 ：diffusion(abstract)
AI总结 本文提出了一种相场模型，用于描述由表面张力驱动的可变形自 propelled 物体的演化。当界面厚度参数ε趋近于零时，该相场模型收敛到一个与反应扩散方程耦合的尖锐界面极限。
Comments 24 pages
预测并非物理：在神经模拟器中学习和评估守恒量
机构 * Yale University（耶鲁大学）
专题命中 扩散模型 ：diffusion(abstract)
AI总结 本文研究了神经网络能否从物理轨迹中学习或选择全局守恒量，通过三个哈密顿系统（抛体运动、单摆和弹簧-质量系统）验证了不同模型在守恒律保持方面的性能，发现黑盒CDN在加入时间一致性损失时表现更优，而多项式CDN对训练配置敏感。
Comments 10 pages
GenAI-FDIA：基于物理的生成模型用于虚假数据注入攻击
机构 * School of Computing, Engineering and Digital Technologies, Teesside University, UK（Teesside大学计算与工程数字技术学院，英国） ； Smartifier Ltd, Stockton-on-Tees, UK（Smartifier有限公司，英国Stockton-on-Tees）
专题命中 扩散模型 ：diffusion(abstract)
AI总结 本文提出GenAI-FDIA框架，通过物理兼容的生成模型合成虚假数据注入攻击，验证了不同架构在电力系统中的有效性，并解决了生成模型中出现的新型故障模式。
Comments Submitted to IEEE Transactions on Smart Grid
D-PACE：动态位置感知交叉熵用于并行推测草案
机构 * Harvard（哈佛大学） ； MIT（麻省理工学院）
专题命中 扩散模型 ：diffusion(abstract)
AI总结 本文提出D-PACE，一种动态位置感知交叉熵，用于改进并行推测草案的训练，通过动态调整位置权重以提高生成速度和输出长度。
FieldFormer：用于稀疏传感器网络中时空建模的具有局部性的变换器
机构 * Department of Computer Science（计算机科学系） ； New York University（纽约大学） ； Google DeepMind（谷歌DeepMind）
专题命中 扩散模型 ：diffusion(abstract)
AI总结 本文提出FieldFormer，一种无网格变换器架构，用于在持续传感器网络中进行具有局部性的传感器空间建模。通过学习可调节的速度缩放偏移量，聚合局部证据，以适应时空依赖性，并在极端稀疏性下实现稳定和可扩展的推理。
从第一性原理模拟中推断出的更稠密的氢挑战木星的内部模型
专题命中 扩散模型 ：diffusion(abstract)
AI总结 研究通过第一性原理模拟探讨了氢在高密度下的状态，发现其压力预测存在差异，挑战了现有木星内部模型对氢密度和金属含量的假设。
Comments We add Huguniot calculation with SCAN+vv10, benchmarks with more functionals, and provide additional tests
Journal ref Phys. Rev. Research 8, 013089 (2026)
LiFT：用于从2D生成器生成3D图像的提升跨切片特征轨迹
机构 * School of Engineering and Applied Sciences, Harvard University（哈佛大学工程与应用科学学院） ； Center for Advanced Medical Computing and Analysis, Massachusetts General Hospital and Harvard Medical School（马萨诸塞总医院和哈佛医学院高级医学计算与分析中心） ； Kempner Institute, Harvard University（哈佛大学凯普纳研究所）
专题命中 可控生成 ：image generation(title,abstract)；分类 cs.CV
AI总结 本文提出LiFT框架，通过将3D体积合成分解为单切片图像生成和跨切片轨迹学习，解决高分辨率3D医学图像生成中体积模型计算成本高和2D切片生成器在第三维度上无法保持解剖一致性的问题。
扫码添加微信好友，提出您的宝贵建议 👇
💡 备注请填写：网站反馈