本研究利用Aitomia平台的先进AI技术，解决了非专家在原子和量子化学模拟中的使用难题，降低了模拟门槛，促进了相关领域的发展。

本研究提出了一种离线仿真框架，结合大语言模型和公开脚本指南，降低了软件脚本自动化的编程门槛。实验结果表明，该框架提高了自动化成功率，优化了响应时间和运行成本，展示了利用执行反馈生成技能的潜力。

本研究提出了一种基于人工智能的阳极heel效应模型，显著提高了X射线成像中蒙特卡洛模拟的精度。研究结果表明，阳极和阴极的剂量率分别提高9.6%和降低12.5%，从而提升了剂量测量的准确性和图像质量，具有广泛的临床应用潜力。

本研究提出了REAL框架，用于评估自主智能体在11个常用网站的表现。通过112个实用任务，结果显示前沿语言模型的成功率最高仅为41%，揭示了自主网络导航和任务完成能力的不足。

本研究提出了MOSAIC仿真框架，探讨社交网络中用户行为与虚假信息传播的关系。研究表明，三种内容监管策略能够有效减缓虚假内容的传播，并提升用户参与度。

大型语言模型（LLM）社交模拟是一种有前景的研究方法，适用于心理学、经济学、社会学和市场营销等领域。研究提出了五个挑战，以提高其应用率，并推动可迭代模型和评估方法的发展。

本研究提出了一种新的混合材料模拟框架MIXPINN，旨在降低传统有限元方法在软组织与刚性结构相互作用模拟中的计算成本。该框架利用物理信息图神经网络实现高保真形变的实时推断，显著提高了计算效率和精度。

本研究将MEDSLIK-II数值模型与贝叶斯优化结合，以改善油污泄漏轨迹模拟的参数调优。优化后，模型与卫星观测结果的一致性显著提高，平均技能分数从5.82%提升至11.07%，显示出在动态环境下的有效性。

本研究提出了一种新颖的耦合多物理场神经算子学习框架（COMPOL），有效解决了现有神经算子在耦合多物理场输出中的局限性。该方法通过递归和注意力机制聚合特征，显著提升了对复杂物理关系的捕捉能力，预测性能提高了两到三倍。

本研究探讨了Segment Anything模型（SAM）在增材制造组件检测中的应用，提出了使用Conv-LoRa微调策略，并结合生成对抗网络（GAN）生成的数据进行训练，以解决多类分割和计算效率不足的问题。实验结果表明，定制化分割模型对精确检测至关重要。

本研究利用遗传编程自动设计代数多重网格预条件器，以提高大规模激光束焊接模拟的效率。实验结果表明，该方法显著提升了解析求解器的性能，优化了耦合方程的求解效率。

本研究提出了LE-PDE++模型，通过引入Mamba模型，解决了经典和深度学习偏微分方程求解器的计算强度问题。该方法在保持高预测准确性的同时，显著缩短了计算时间。

本研究提出ASURA-FDPS-ML框架，通过结合直接数值模拟与代理建模，将逐星银河模拟中的超新星反馈计算成本降低约75%。该方法在保持高分辨率的同时，提升了银河星形成历史与气体流出率的高保真度，具有重要应用潜力。

Discover the real-world impact of multi-agent simulations and see practical examples of systems uniting individual strengths to tackle complex tasks, offering efficient and tailored solutions...