Buchumschlag

When Does Global Attention Help? A Unified Empirical Study on Atomistic Graph Learning

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Chowdhury, Arindam, Pasini, Massimiliano Lupo
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Machine Learning Distributed, Parallel, and Cluster Computing 68T07, 68T09 I.2.6; I.2.8; I.2.10; I.2.11
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Scalable Heterogeneous Graph Foundation Models for Data-Driven Optimal Power Flow in Smart Grids
von: Pasini, Massimiliano Lupo, et al.
Veröffentlicht: (2026)

Agentic UAVs: LLM-Driven Autonomy with Integrated Tool-Calling and Cognitive Reasoning
von: Koubaa, Anis, et al.
Veröffentlicht: (2025)

Foam Segmentation in Wastewater Treatment Plants: A Federated Learning Approach with Segment Anything Model 2
von: Duman, Mehmet Batuhan, et al.
Veröffentlicht: (2025)

SPARK: Igniting Communication-Efficient Decentralized Learning via Stage-wise Projected NTK and Accelerated Regularization
von: Xia, Li
Veröffentlicht: (2025)

Tram-FL: Routing-based Model Training for Decentralized Federated Learning
von: Maejima, Kota, et al.
Veröffentlicht: (2023)

Multi-task parallelism for robust pre-training of graph foundation models on multi-source, multi-fidelity atomistic modeling data
von: Pasini, Massimiliano Lupo, et al.
Veröffentlicht: (2025)

PathFormer: A Transformer with 3D Grid Constraints for Digital Twin Robot-Arm Trajectory Generation
von: Alanazi, Ahmed, et al.
Veröffentlicht: (2025)

Partitioned Neural Network Training via Synthetic Intermediate Labels
von: Karadağ, Cevat Volkan, et al.
Veröffentlicht: (2024)

AI Agents: Evolution, Architecture, and Real-World Applications
von: Krishnan, Naveen
Veröffentlicht: (2025)

Adaptive Minds: Empowering Agents with LoRA-as-Tools
von: Shekar, Pavan C, et al.
Veröffentlicht: (2025)

Scalable Training of Trustworthy and Energy-Efficient Predictive Graph Foundation Models for Atomistic Materials Modeling: A Case Study with HydraGNN
von: Pasini, Massimiliano Lupo, et al.
Veröffentlicht: (2024)

Agentic Discovery of Neural Architectures: AIRA-Compose and AIRA-Design
von: Pepe, Alberto, et al.
Veröffentlicht: (2026)

Territory Paint Wars: Diagnosing and Mitigating Failure Modes in Competitive Multi-Agent PPO
von: Singh, Diyansha
Veröffentlicht: (2026)

Prima.cpp: Fast 30-70B LLM Inference on Heterogeneous and Low-Resource Home Clusters
von: Li, Zonghang, et al.
Veröffentlicht: (2025)

On the Fundamental Limitations of Decentralized Learnable Reward Shaping in Cooperative Multi-Agent Reinforcement Learning
von: Akella, Aditya
Veröffentlicht: (2025)

Adaptive Latent-Space Constraints in Personalized Federated Learning
von: Ayromlou, Sana, et al.
Veröffentlicht: (2025)

FedPhD: Federated Pruning with Hierarchical Learning of Diffusion Models
von: Long, Qianyu, et al.
Veröffentlicht: (2025)

Adaptive Negative Scheduling for Graph Contrastive Learning
von: Ali, Adnan, et al.
Veröffentlicht: (2026)

The Impact of Data Characteristics on GNN Evaluation for Detecting Fake News
von: Karn, Isha, et al.
Veröffentlicht: (2025)

SI-ChainFL: Shapley-Incentivized Secure Federated Learning for High-Speed Rail Data Sharing
von: Zhao, Mingjie, et al.
Veröffentlicht: (2026)

Federated Learning for Anomaly Detection in Energy Consumption Data: Assessing the Vulnerability to Adversarial Attacks
von: Telila, Yohannis Kifle, et al.
Veröffentlicht: (2025)

ADF-LoRA: Alternating Low-Rank Aggregation for Decentralized Federated Fine-Tuning
von: Wang, Xiaoyu, et al.
Veröffentlicht: (2025)

AMP4EC: Adaptive Model Partitioning Framework for Efficient Deep Learning Inference in Edge Computing Environments
von: Zhang, Guilin, et al.
Veröffentlicht: (2025)

DeepPersona: A Generative Engine for Scaling Deep Synthetic Personas
von: Wang, Zhen, et al.
Veröffentlicht: (2025)

TRIZ Agents: A Multi-Agent LLM Approach for TRIZ-Based Innovation
von: Szczepanik, Kamil, et al.
Veröffentlicht: (2025)

Collaborative LLM Agents for C4 Software Architecture Design Automation
von: Szczepanik, Kamil, et al.
Veröffentlicht: (2025)

Accelerating Geo-distributed Machine Learning with Network-Aware Adaptive Tree and Auxiliary Route
von: Li, Zonghang, et al.
Veröffentlicht: (2024)

RACAS: Controlling Diverse Robots With a Single Agentic System
von: Ashley, Dylan R., et al.
Veröffentlicht: (2026)

LLM-Assisted Iterative Evolution with Swarm Intelligence Toward SuperBrain
von: Weigang, Li, et al.
Veröffentlicht: (2025)

Decentralized Time Series Classification with ROCKET Features
von: Casella, Bruno, et al.
Veröffentlicht: (2025)

Hierarchical Training of Deep Neural Networks Using Early Exiting
von: Sepehri, Yamin, et al.
Veröffentlicht: (2023)

TPI-LLM: Serving 70B-scale LLMs Efficiently on Low-resource Edge Devices
von: Li, Zonghang, et al.
Veröffentlicht: (2024)

Learning In Chaos: Efficient Autoscaling and Self-Healing for Multi-Party Distributed Training
von: Feng, Wenjiao, et al.
Veröffentlicht: (2025)

An Improved Adaptive PID Optimizer with Enhanced Convergence and Stability for Deep Learning
von: Saini, Saurabh, et al.
Veröffentlicht: (2026)

Unpacking Hateful Memes: Presupposed Context and False Claims
von: Cai, Weibin, et al.
Veröffentlicht: (2025)

Your Data, My Model: Learning Who Really Helps in Federated Learning
von: Abdurakhmanova, Shamsiiat, et al.
Veröffentlicht: (2024)

Multimodal Generative AI for Story Point Estimation in Software Development
von: Islam, Mohammad Rubyet, et al.
Veröffentlicht: (2025)

Benchmarking the Limits of In-Context Reinforcement Learning for Ad-Hoc Teamwork
von: Jing, Yuheng, et al.
Veröffentlicht: (2026)

Benchmarking Catastrophic Forgetting Mitigation Methods in Federated Time Series Forecasting
von: Hallak, Khaled, et al.
Veröffentlicht: (2025)

CellARC: Measuring Intelligence with Cellular Automata
von: Lžičař, Miroslav
Veröffentlicht: (2025)