PDE-JEPA applique l’apprentissage prédictif de représentations aux EDP paramétriques
1 sourcemis à jour il y a 2 jpertinence 2,8 sur5
L’essentiel
Sur neuf benchmarks d’EDP, PDE-JEPA dépasse les méthodes de l’état de l’art de 33,4 % en moyenne dans la distribution et de 51,4 % en moyenne face à des paramètres inconnus.
Propagation1 article, publié par HF Daily Papers le 5 oct..
Les sources
1 article
HF Daily PapersCommunauté : fiche de la sourceSource primaire
Hugging FaceZhentao Tan, Jianrong Zhang, Ruijie Quan et al.huggingface.co
PDE-JEPA: Predictive Representation Learning of Latent Dynamics Modeling for Parametric PDEs (site externe)
To our knowledge, we are the first to systematically investigate JEPA for parametric PDEs and to make it work effectively for PDE forecasting.
Sur les mêmes thèmes
Recherche
Xiaomi publie MiMo-V2.6-Pro, un modèle open-weights omnimodal de 1 000 milliards de paramètres
Recherche
Xiaomi MiMo publie MiMo-V2.6-Distill-Qwen-9B, un modèle agentique de 9 milliards de paramètres
Recherche
Reflection dévoile Beam, un modèle d’IA de 501 milliards de paramètres
Recherche
OpenAI publie 722 manuscrits de mathématiques issus d’un modèle interne non diffusé
À lire ensuite
Modèles
Google DeepMind annonce Gemini 4 Argon, déployé d’abord auprès de défenseurs cyber de confiance via Fairwind
Modèles
OpenAI lance GPT-6 Sol et GPT-6 Luna, deux modèles plus économiques qui complètent GPT-6 Astra
Modèles
Anthropic publie Claude Opus 5.5 et OpenAI lance GPT-6 Sol et GPT-6 Luna à environ une heure d’écart
Modèles
Anthropic lance Claude Sonnet 5.5, deuxième modèle de la famille Claude 5.5