Seokbeom Yoon - The octahedral decomposition and the 1-loop conjecture - IPAM at UCLA
Seokbeom Yoon - La décomposition octaédrique et la conjecture à 1 boucle - IPAM à UCLA
★
★
★
★
☆
4/5
Institute for Pure & Applied Mathematics (IPAM)
@ipamucla
Michelle Chu - Salem numbers in arithmetic hyperbolic manifolds - IPAM at UCLA
Michelle Chu - Nombres de Salem dans les variétés hyperboliques arithmétiques - IPAM à UCLA
★
★
★
★
☆
4/5
Qiuyu Ren - Gluing formulas for Khovanov skein lasagna modules, & detection of exotic 4-manifolds
Qiuyu Ren - Formules de collage pour les modules de lasagnes d'écheveaux de Khovanov et détection de 4-variétés exotiques
★
★
★
★
★
5/5
Ian Le - Cluster Algebras and Legendrian Knots - IPAM at UCLA
Ian Le - Algèbres amassées et nœuds legendriens - IPAM à UCLA
★
★
★
★
☆
4/5
Nathan Geer - Non-Semisimple Skien TQFTs - IPAM at UCLA
Nathan Geer - TQFTs de Skien non semi-simples - IPAM à UCLA
★
★
★
★
☆
4/5
Michael Willis - Defining skein lasagna modules, and basic properties - IPAM at UCLA
Michael Willis - Définir les modules lasagnes d'écheveau, et propriétés de base - IPAM à UCLA
★
★
★
★
★
5/5
Giulio Belletti - Introduction to quantum invariants - IPAM at UCLA
Giulio Belletti - Introduction aux invariants quantiques - IPAM à UCLA
★
★
★
★
☆
4/5
Daniel Douglas - Introduction to the theory of Fock and Goncharov - IPAM at UCLA
Daniel Douglas - Introduction à la théorie de Fock et Goncharov - IPAM à UCLA
★
★
★
★
☆
4/5
Melissa Zhang - Khovanov homology and generalizations - IPAM at UCLA
Melissa Zhang - Homologie de Khovanov et généralisations - IPAM à l'UCLA
★
★
★
★
☆
4/5
Ariana Chin - Introduction to Cluster Algebras - IPAM at UCLA
Ariana Chin - Introduction aux algèbres amassées - IPAM à UCLA
★
★
★
★
★
5/5
Takaharu Yaguchi - Geometric-Structure Machine Learning; Cross-System Prediction Hamiltonian Systems
Takaharu Yaguchi - Apprentissage automatique à structure géométrique ; Prédiction inter-systèmes des systèmes hamiltoniens
★
★
★
★
☆
4/5
Robert Joseph George - Verified Scientific Machine Learning in Lean - IPAM at UCLA
Robert Joseph George - Apprentissage automatique scientifique vérifié dans Lean - IPAM à l'UCLA
★
★
★
★
☆
4/5
Matthew Sottile - Physics to Simulation: The Deep Stack of Formalization - IPAM at UCLA
Matthew Sottile - De la Physique à la Simulation : La Pile Profonde de Formalisation - IPAM à UCLA
★
★
★
★
☆
4/5
Koji Hashimoto - On the interpretability of neural network solutions of PDEs in theoretical physics
Koji Hashimoto - Sur l'interprétabilité des solutions par réseaux de neurones des EDP en physique théorique
★
★
★
★
☆
4/5
Bhavik Mehta - Formally Verified Numerics for Differential Equations - IPAM at UCLA
Bhavik Mehta - Numériques Formellement Vérifiés pour les Équations Différentielles - IPAM à UCLA
★
★
★
★
☆
4/5
Andrew Appel - Building a Formally Verified Finite Element Method Solver, One Component At a Time
Andrew Appel - Construire un solveur de méthode des éléments finis formellement vérifié, un composant à la fois
★
★
★
★
☆
4/5
Terence Tao - The integrated explicit analytic number theory network - IPAM at UCLA
Terence Tao - Le réseau intégré de théorie analytique explicite des nombres - IPAM à UCLA
★
★
★
★
☆
4/5
Kazuaki Tanaka - Constructing Certified Enclosures with Neural Sub- and Super-Solutions
Kazuaki Tanaka - Construction d'enveloppes certifiées avec des sous- et super-solutions neuronales
★
★
★
★
☆
4/5
Allison Baker - Is it still correct? Quality assurance for an Earth System Model - IPAM at UCLA
Allison Baker - Est-ce toujours correct ? Assurance qualité pour un modèle de système terrestre - IPAM à UCLA
★
★
★
★
☆
4/5
Terence Tao - Reflections on the Foundations of Interpretability workshop - IPAM at UCLA
Terence Tao - Réflexions sur l'atelier « Foundations of Interpretability » - IPAM à l'UCLA
★
★
★
★
☆
4/5
Paul Riechers - The shape of beliefs and abstraction in neural networks - IPAM at UCLA
Paul Riechers - La forme des croyances et de l'abstraction dans les réseaux de neurones - IPAM à UCLA
★
★
★
★
☆
4/5
Mahdi Soltanolkotabi - Interpreting Generative Models for Better Steering: Generation to Verifiable
Mahdi Soltanolkotabi - Interpréter les modèles génératifs pour un meilleur guidage : de la génération au vérifiable
★
★
★
★
☆
4/5
Gyorgy Turan - Error-correcting codes: a sandbox for learning, interpretability and optimization
Gyorgy Turan - Codes de correction d'erreurs : un bac à sable pour l'apprentissage, l'interprétabilité et l'optimisation
★
★
★
★
☆
4/5
Gitta Kutyniok - From Mathematical Guarantees to Computational Limits of AI Interpretability
Gitta Kutyniok - Des garanties mathématiques aux limites computationnelles de l'interprétabilité de l'IA
★
★
★
★
☆
4/5
Gal Mishne - From Explanations to Mechanisms: Interpreting Computation in Graph Neural Networks
Gal Mishne - Des explications aux mécanismes : interpréter le calcul dans les réseaux de neurones graphiques
★
★
★
★
☆
4/5
Dmitry Vaintrob - Statistical theory of learning sparse structure - IPAM at UCLA
Dmitry Vaintrob - Théorie statistique de l'apprentissage de structure éparse - IPAM à UCLA
★
★
★
★
☆
4/5
Yusu Wang - Neural Network Generalization through an algorithmic lens - IPAM at UCLA
Yusu Wang - Généralisation des réseaux de neurones à travers une lentille algorithmique - IPAM à UCLA
★
★
★
★
☆
4/5
Sam Eisenstat - Concepts, information, and objectivity - IPAM at UCLA
Sam Eisenstat - Concepts, information et objectivité - IPAM à l'UCLA
★
★
★
★
☆
4/5
Elias Bareinboim - Towards Causal AI: From Mechanism to Understanding - IPAM at UCLA
Elias Bareinboim - Vers une IA causale : du mécanisme à la compréhension - IPAM à l'UCLA
★
★
★
★
☆
4/5
Ryan Cotterell - Two views of a language model - IPAM at UCLA
Ryan Cotterell - Deux vues d'un modèle de langage - IPAM à UCLA
★
★
★
★
☆
4/5
Max Tegmark - Neural network interpretability: symmetry, geometry and formal verification
Max Tegmark - Interprétabilité des réseaux de neurones : symétrie, géométrie et vérification formelle
★
★
★
★
☆
4/5
Josh Batson - Interpretability: From Art Towards Science - IPAM at UCLA
Josh Batson - Interprétabilité : De l'art vers la science - IPAM à UCLA
★
★
★
★
☆
4/5
Marina Meila - Contrastive Explanations: a geometric and topological view - IPAM at UCLA
Marina Meila - Explications contrastives : une vue géométrique et topologique - IPAM à UCLA
★
★
★
★
☆
4/5
Been Kim - Changing Shapes: Interpretability, AI, and the Future of Human Agency - IPAM at UCLA
Been Kim - Changer de forme : Interprétabilité, IA et l'avenir de l'agence humaine - IPAM à l'UCLA
★
★
★
★
☆
4/5
Miriam Kuzbary - 0-Surgeries on Links - IPAM at UCLA
Miriam Kuzbary - 0 interventions chirurgicales sur les liens - IPAM à l'UCLA
★
★
★
★
☆
4/5
Viktória Földvári - Maximal tb Representatives of Double Twist Knots - IPAM at UCLA
Viktória Földvári - Représentants tb maximaux des nœuds à double torsion - IPAM à UCLA
★
★
★
★
☆
4/5
Yasemin Yildirim - Constructing and classifying Legendrian doubles - IPAM at UCLA
Yasemin Yildirim - Construction et classification des doubles legendriens - IPAM à l'UCLA
★
★
★
★
☆
4/5
Stephen Becker - Some new bi-fidelity methods for UQ and optimization - IPAM at UCLA
Stephen Becker - Quelques nouvelles méthodes bi-fidélité pour UQ et optimisation - IPAM à UCLA
★
★
★
★
☆
4/5
Simon Van Mulders - Model-aided TCV operation through routine pre-shot, real-time and post-shot...
Simon Van Mulders - Opération assistée par modèle du TCV grâce à des pré-tirs de routine, en temps réel et post-tir...
★
★
★
★
☆
4/5
Shancong Mou - Derivative-Informed Training of Neural Operators on the Fly - IPAM at UCLA
Shancong Mou - Entraînement basé sur les dérivées d'opérateurs neuronaux à la volée - IPAM à l'UCLA
★
★
★
★
☆
4/5