Contexte Depuis longtemps, les modèles normatifs et descriptifs tentent d’expliquer et de prédire les comportements de prise de décision des humains face à des choix risqués tels que des biens ou des jeux de hasard. Une étude récente, en entraînant des réseaux neuronaux (Neural Networks, NNs) sur un nouveau grand ensemble de données en ligne nommé ...

Pré-entraînement auto-supervisé géométriquement renforcé pour les interactions interatomiques Introduction La dynamique moléculaire (DM) joue un rôle important dans les domaines de la physique, la chimie, la biologie et la science des matériaux, en fournissant des informations au niveau atomique. La précision et l’efficacité des simulations DM dépe...

Cette recherche propose une méthode d’apprentissage en ligne pour construire efficacement des modèles de substitution capables de simuler avec précision des systèmes complexes. Cette méthode comprend principalement trois composantes clés : Une stratégie d’échantillonnage pour générer de nouvelles données d’entraînement et de test ; Une stratégie d’...