Imperial College London（帝国理工学院）

2607.15951 2026-07-20 cs.GR cs.CV cs.DC 新提交

Rendering 3D Gaussians on a Graph Processor

在图形处理器上渲染3D高斯分布

Nicholas Fry, Ignacio Alzugaray, Mark Pupilli, Paul H. J. Kelly, Andrew J. Davison

机构 * Imperial College London Department of Computing（伦敦帝国学院计算机系）

AI总结研究在IPU上实现3D高斯渲染器，输入为3D高斯地图，通过特定模式路由高斯基元，遵循BSP模型计算。评估了仅用SRAM实现的瓶颈及对性能和质量的影响，还探讨了对GPU和相关架构的意义。

Comments Project page: https://nmjfry.github.io/ipu-3dgs/

Journal ref Eurographics Symposium on Rendering (Symposium Track), 2026

2607.15832 2026-07-20 math.NA cs.LG cs.NA math.DS 新提交

A zero-one law for one-shot system identification

一次性系统识别的零一律

Nicolas Boullé, Diana Halikias, Samuel E. Otto, Alex Townsend

机构 * Imperial College London（帝国理工学院）； New York University（纽约大学）； Cornell University（康奈尔大学）

AI总结研究一次性系统识别问题，通过规定字典项线性参数化解析系统，证明零一律，将问题简化为关于退化输入的问题，能从单轨迹数据恢复多种系统并检测额外探测需求。

Comments 8 pages, 2 figures

2607.15291 2026-07-20 math.NA cs.LG cs.NA 新提交

A Physics-Informed Neural Network with a Modified Lorentzian Activation for Nonlocal Gradient-Flow Equations in Dynamic Density Functional Theory

一种具有修正洛伦兹激活函数的物理信息神经网络用于动态密度泛函理论中的非局部梯度流方程

Dimitrios Gourzoulidis, Soumaya Elkantassi, Serafim Kalliadasis

机构 * Department of Chemical Engineering, Imperial College London（帝国理工学院化学工程系）； Department of Operations, University of Lausanne（洛桑大学运营系）

AI总结该研究针对动态密度泛函理论中的非局部梯度流方程，开发物理信息神经网络框架。引入修正洛伦兹激活函数和预计算离散算子，经多维度测试，新激活函数加速收敛，框架与参考解吻合且捕捉到梯度流行为，展现求解此类方程的潜力。

2607.15472 2026-07-20 math.DS cs.LG physics.bio-ph 新提交

Ptolemy's Equant Equates to a Universal Dynamical Clock via Machine Learning

通过机器学习，托勒密等距点等同于通用动态时钟

Jingdong Zhang, Luan Yang, Murilo S. Baptista, Zefeng Zhang, Qunxi Zhu, Wei Lin, Celso Grebogi

机构 * School of Mathematical Sciences, Fudan University, Shanghai 200433, China（复旦大学数学科学学院）； Research Institute of Intelligent Complex Systems, Fudan University, Shanghai 200433, China（复旦大学智能复杂系统研究所）； Department of Mathematics, Imperial College London, London, SW7 2AZ, United Kingdom（伦敦帝国学院数学系）； Institute for Complex Systems and Mathematical Biology, University of Aberdeen, Aberdeen AB24 3UE, United Kingdom（阿伯丁大学复杂系统与数学生物学研究所）； Department of Psychiatry, University of Cambridge, Cambridge CB2 1TN, United Kingdom（剑桥大学精神病学系）

AI总结研究非线性高维振荡中相位和相位动力学识别问题，基于托勒密等距点建立通用动态时钟原理，用机器学习框架证明其存在并构建相关动力学，通过四个发现展示价值，为振荡系统研究提供新途径。

Comments 56 pages, 12 figures, 3 tables