California Institute of Technology（加州理工学院）

HALO: Hybrid Auto-encoded Locomotion with Learned Latent Dynamics, Poincaré Maps, and Regions of Attraction

HALO：混合自动编码 locomotion 与学习的潜在动态、庞加莱映射和吸引区域

Blake Werner, Sergio A. Esteban, Massimiliano De Sa, Max H. Cohen, Aaron D. Ames

机构 * Caltech（加州理工学院） ； NC State University（北卡罗来纳州立大学） 纠错

AI总结 HALO通过从轨迹数据中学习低维潜在线性模型，结合庞加莱映射和吸引区域分析，提升混合动力系统稳定性与安全性。

Comments 20 pages, 8 figures

Enforcing Reciprocity in Operator Learning for Seismic Wave Propagation

在地震波传播中强制互易性于操作学习

Caifeng Zou, Yaozhong Shi, Zachary E. Ross, Robert W. Clayton, Kamyar Azizzadenesheli

机构 * Seismological Laboratory, California Institute of Technology, Pasadena, California, U.S.A.（地震实验室，加州理工学院，帕萨迪纳，加利福尼亚州，美国） ； Division of Engineering and Applied Sciences, California Institute of Technology, Pasadena, California, U.S.A.（工程与应用科学学院，加州理工学院，帕萨迪纳，加利福尼亚州，美国） ； Nvidia Corporation, Santa Clara, California, U.S.A.（英伟达公司，圣克拉拉，加利福尼亚州，美国） 纠错

AI总结 本文提出基于变换器的Reciprocity-Enforced Neural Operator，通过强制互易性原则提升物理一致性，实现多源同时处理并加速推理速度。