Toutes les news taguées avec ce sujet.
Une approche couplant intervalles/flous et physique pour modéliser l'incertitude dans les lois de comportement mécanique.
Une nouvelle méthode combine RL et différentiabilité des dynamiques physiques pour réduire drastiquement le nombre d'interactions nécessaires.
Une méthode de reinforcement learning utilise l'exposant de Lyapunov pour aller au-delà du pendule de Kapitza et stabiliser un pendule inversé.
Un modèle ML accélère la simulation DNS de flammes via une contrainte thermodynamique et une augmentation de données résiduelle.