10:36arXiv cs.LG@Mengdi Chu, Jiaxin Yang, Angus G. Forbes, Nathan Debardeleben, Earl Lawrence, Ayan Biswas, Han-Wei Shen科学数据分析中,现有机器学习方法多提供确定性前向预测,忽略多种可能结果且不支持反向推理。该研究提出 DiffUNet^2,一种条件扩散模型,支持时间维度上的双向任意生成,捕捉系统演化的概率分布。结合交互式可视化系统,科学家可探索分支时间线、编辑状态并导航概率空间,主动验证假设。在5个跨学科数据集上验证了预测准确性和概率集成质量。该框架将生成模型转化为假设驱动的科学分析工具。论文扩散模型科学数据时序建模交互式可视化概率生成推荐理由:做科学数据分析和时序建模的团队,终于有了能双向推理、探索多种可能性的工具,比传统确定性预测灵活太多,建议做地球科学或生物物理的开发者点开看看。原文
11:18Ethan Mollick@emollick一位用户发现位置的四、五、六阶导数分别被称为snap、crackle和pop(源于谷物早餐吉祥物名称),并觉得这种命名很有趣。他利用Codex(早期AI编程助手)快速创建了一个可交互的模拟工具,让用户同时观察速度、加速度、加加速度(jerk)以及snap、crackle、pop的变化。这个演示展示了AI编程助手如何将抽象概念转化为直观的可视化体验。AI产品编程助手Codex物理模拟交互式可视化推荐理由:这个案例展示了AI编程助手(如Codex)如何帮助快速创建交互式教学工具,将复杂的物理概念可视化,对教育和技术演示有参考价值。原文