MGARD是一款多网格自适应降维软件，专注于压缩结构化和非结构化网格上的浮点数据，提供精确误差控制。它支持减少存储、高性能I/O和原位数据分析，具有统一API，可在不同计算架构上无缝运行。优化的GPU内核和高效内存管理确保其可伸缩性和速度。

NeurLZ框架结合了跳跃深度神经网络模型、跨领域学习和误差控制，显著提升了科学数据的有损压缩性能，比现有方法减少了高达90%的比特率。

该研究提出了一种方法，用于在高维线性模型中测试单个或多个参数的假设，同时进行多重比较校正。该技术基于Ridge估计和在高维度中的投影偏差上增加的修正项，证明了p值具有强大的误差控制，并提供了充分的检测条件。