University of Texas at Austin（得克萨斯大学奥斯汀分校）

COMPOL: A Unified Neural Operator Framework for Scalable Multi-Physics Simulations

COMPOL：用于可扩展多物理场模拟的统一神经算子框架

Junqi Qu, Tao Wang, Yushun Dong, Hewei Tang, Shibo Li

机构 * School of Information, University of Michigan–Ann Arbor（信息学院，密歇根大学安娜堡分校） ； Hildebrand Department of Petroleum and Geosystems Engineering, The University of Texas at Austin（石油与地质系统工程系，德克萨斯大学奥斯汀分校） ； Department of Computer Science, Florida State University（计算机科学系，佛罗里达州立大学） 纠错

AI总结 研究针对多物理场模拟中神经算子难以捕捉复杂相关性的问题，提出COMPOL框架，通过循环和注意力聚合机制扩展传统算子架构，实验表明该框架与现有方法相比能实现更高预测精度。

Methods to integrate multinormals and compute classification measures

多正态分布整合与分类度量方法

Abhranil Das, Wilson S Geisler

机构 * Department of Physics, The University of Texas at Austin（德克萨斯大学奥斯汀分校物理系） ； Center for Perceptual Systems, The University of Texas at Austin（德克萨斯大学奥斯汀分校感知系统中心） ； Center for Theoretical and Computational Neuroscience, The University of Texas at Austin（德克萨斯大学奥斯汀分校理论与计算神经科学中心） ； Department of Psychology, The University of Texas at Austin（德克萨斯大学奥斯汀分校心理学系） 纠错

AI总结 本文提出方法整合多维正态分布并计算分类度量，提供概率计算、密度函数、分类误差及可视化工具，应用于目标检测与伪装识别。