California Institute of Technology（加州理工学院）

POLISH'ing the Sky: Wide-Field and High-Dynamic Range Interferometric Image Reconstruction with Application to Strong Lens Discovery

天空的 polishing：基于宽视场和高动态范围干涉成像的图像重建及其在强引力透镜发现中的应用

Zihui Wu, Liam Connor, Samuel McCarty, Katherine L. Bouman

机构 * Department of Computing and Mathematical Sciences, California Institute of Technology (Caltech), Pasadena, CA, USA（计算与数学科学系，加州理工学院（Caltech），帕萨迪纳，CA，美国） ； Center for Astrophysics ∣ \mid Harvard & Smithsonian, Cambridge, MA, USA（天体物理中心，哈佛与史密松尼天体物理研究中心，剑桥，MA，美国） 纠错

AI总结 本文提出改进的POLISH框架，通过补丁训练和非线性强度变换实现宽视场和高动态范围的干涉成像，提升强引力透镜发现的重建质量与鲁棒性。

Langevin Flows for Modeling Neural Latent Dynamics

兰格朗日流用于建模神经潜在动态

Yue Song, T. Anderson Keller, Yisong Yue, Pietro Perona, Max Welling

机构 * Caltech, Vision Lab（加州理工学院视觉实验室） ； The Kempner Institute for the Study of Natural and Artificial Intelligence, Harvard University（自然与人工智能研究学院，哈佛大学） ； University of Amsterdam, Institute for Informatics（阿姆斯特丹大学信息学院） 纠错

AI总结 LangevinFlow通过引入物理先验和振荡器网络，有效建模神经群体的潜在动态及其未观测影响。

Comments Full version of the Cognitive Computational Neuroscience (CCN) 2025 poster

Morphological-Symmetry-Equivariant Heterogeneous Graph Neural Network for Robotic Dynamics Learning

形态-对称等变异构图神经网络用于机器人动力学学习

Fengze Xie, Sizhe Wei, Yue Song, Yisong Yue, Lu Gan

机构 * California Institute of Technology（加州理工学院） ； Georgia Institute of Technology（佐治亚理工学院） 纠错

AI总结 本文提出MS-HGNN，通过整合机器人运动学结构和形态对称性，实现高效的动力学学习，并在多个四足机器人任务中验证了其有效性。

Unsupervised Representation Learning from Sparse Transformation Analysis

基于稀疏变换分析的无监督表示学习

Yue Song, Thomas Anderson Keller, Yisong Yue, Pietro Perona, Max Welling

机构 * Computing and Mathematical Sciences, Caltech, CA（计算与数学科学系，加州理工学院） ； Kempner Institute for the Study of Natural and Artificial Intelligence, Harvard University, MA（自然与人工智能研究学院，哈佛大学） ； Amsterdam Machine Learning Lab, University of Amsterdam, the Netherlands（阿姆斯特丹机器学习实验室，阿姆斯特丹大学） 纠错

AI总结 本文提出通过稀疏变换分析学习序列数据的无监督表示，利用概率流模型分解为稀疏场，实现解耦的等变表示。

Comments T-PAMI journal paper