California Institute of Technology（加州理工学院）

LieBN: Batch Normalization over Lie Groups

LieBN：李群上的批量归一化

Ziheng Chen, Yue Song, Rui Wang, Xiao-Jun Wu, Nicu Sebe

机构 * Department of Information Engineering and Computer Science, University of Trento（信息工程与计算机科学系，特伦托大学） ； Computing and Mathematical Sciences, Caltech（计算与数学科学系，加州理工学院） ； School of Artificial Intelligence and Computer Science, Jiangnan University（人工智能与计算机科学学院，江南大学） 纠错

AI总结 针对流形值测量在机器学习任务中的问题，提出LieBN框架用于李群上的黎曼批量归一化，利用左右不变度量，在多种几何结构上实例化并经实验验证有效。

Comments Extended version of the ICLR 2024 paper: A Lie Group Approach to Riemannian Batch Normalization. arXiv admin note: substantial text overlap with arXiv:2403.11261

Bayesian inference of composition-dependent phase diagrams

成分依赖相图的贝叶斯推断

Timofei Miryashkin, Olga Klimanova, Vladimir Ladygin, Alexander Shapeev

机构 * Skolkovo Institute of Science and Technology（斯克尔科沃科学与技术研究所） ； Moscow Institute of Physics and Technology（莫斯科物理技术学院） ； California Institute of Technology（加州理工学院） 纠错

AI总结 研究利用贝叶斯推断结合多种热力学数据来生成温度-浓度相图，不仅能得到不同相的自由能及不确定性，还可外推结果并辅助选择模拟参数，该算法在两个二元系统中成功测试。

Journal ref Phys. Rev. B 108, 174103 (2023)