本研究探讨了反事实解释在可解释人工智能中的应用，提出了一种将其重构为能量最小化问题的新框架。结合扰动理论和统计力学，实验结果表明该方法能够提供可操作的反事实解释，增强对模型敏感性和决策边界的理解。

本研究提出了一种新的多智能体邻近策略优化变体MAPPO-BD，旨在解决移动边缘计算集成的空气地面网络中的能量最小化问题，特别是针对物联网设备的任务卸载，优化能量节省和资源管理，同时满足排队延迟和边缘计算的约束。

本文探讨了利用Ising自旋模型进行二进制对称隐马尔可夫过程的最大后验序列估计。研究表明，估计问题可转化为能量最小化，且准确性受噪音影响，不同噪音强度对应不同热力学相。提出的方法在高维概率分布抽样和量子状态模拟中表现优异，尤其在低温自旋系统中优于现有方法。

该文章介绍了一种基于能量最小化的新型分割方法，通过引入高阶项来融入对分割形状的先验知识，实现将像素集完全位于一个分割或另一个分割中。该方法在肺动脉-静脉分割中展示了有效性。