查看“WikiEdge:ArXiv速递/2025-03-05”的源代码

== 摘要 ==
* '''原文标题'''：First Limits on Light Dark Matter Interactions in a Low Threshold Two Channel Athermal Phonon Detector from the TESSERACT Collaboration
* '''中文标题'''：TESSERACT合作组在低阈值双通道非热声子探测器中首次对轻暗物质相互作用的限制
* '''发布日期'''：2025-03-05 17:22:53+00:00
* '''作者'''：C. L. Chang, Y. -Y. Chang, L. Chaplinsky, C. W. Fink, M. Garcia-Sciveres, W. Guo, S. A. Hertel, X. Li, J. Lin, M. Lisovenko, R. Mahapatra, W. Matava, D. N. McKinsey, V. Novati, P. K. Patel, B. Penning, H. D. Pinckney, M. Platt, M. Pyle, Y. Qi, M. Reed, G. R. C Rischbieter, R. K. Romani, B. Sadoulet, B. Serfass, P. Sorensen, A. Suzuki, V. Velan, G. Wang, Y. Wang, S. L. Watkins, M. R. Williams, J. K. Wuko, T. Aramaki, P. Cushman, N. N. Gite, A. Gupta, M. E. Huber, N. A. Kurinsky, J. S. Mammo, A. J. Mayer, J. Nelson, S. M. Oser, L. Pandey, A. Pradeep, W. Rau, T. Saab
* '''分类'''：hep-ex, physics.ins-det
*'''原文链接'''：http://arxiv.org/abs/2503.03683v1
'''中文摘要'''：我们展示了在地面运行的1 cm² × 1 mm厚（0.233克）高分辨率[[硅]]非热声子探测器中，对自旋无关的[[暗物质]]-核子相互作用的搜索结果。该传感器实现了σ_P = 361.5(4)毫电子伏特的能量分辨率，这是迄今为止任何非热声子探测器的最佳分辨率。通过0.233克 × 12小时的曝光量，我们对44至87兆电子伏特/平方c之间的暗物质质量设定了最严格的限制，最低未探索的截面为4e-32平方厘米，对应87兆电子伏特/平方c。我们采用了一种保守的盐化技术，达到了迄今为止通过直接探测实验探测到的最低暗物质质量。这一限制是通过双通道抑制与单个传感器耦合的低能背景实现的。

== 摘要 ==
* '''原文标题'''：Towards Understanding Distilled Reasoning Models: A Representational Approach
* '''中文标题'''：理解蒸馏推理模型：一种表征方法
* '''发布日期'''：2025-03-05 18:40:19+00:00
* '''作者'''：David D. Baek, Max Tegmark
* '''分类'''：cs.LG
*'''原文链接'''：http://arxiv.org/abs/2503.03730v1
'''中文摘要'''：在本文中，我们研究了[[模型蒸馏]]如何影响[[大型语言模型]]（LLMs）中[[推理]]特征的发展。为了探索这一点，我们在[[Qwen系列模型]]及其[[微调]]变体上训练了一个[[跨编码器]]。我们的结果表明，跨编码器学习了与各种推理类型相对应的特征，包括[[自我反思]]和[[计算验证]]。此外，我们观察到[[蒸馏模型]]包含独特的推理特征方向，这些方向可用于引导模型进入[[过度思考]]或[[敏锐思考]]模式。特别是，我们对四种特定的推理类别进行了分析：（a）[[自我反思]]，（b）[[演绎推理]]，（c）[[替代推理]]，以及（d）[[对比推理]]。最后，我们研究了[[蒸馏过程]]导致的特征几何变化，并发现较大的蒸馏模型可能会发展出更具结构化的表示，这与增强的蒸馏性能相关。通过提供关于蒸馏如何修改模型的见解，我们的研究有助于提高[[AI系统]]的[[透明度]]和[[可靠性]]。

== 摘要 ==
* '''原文标题'''：Active 6D Pose Estimation for Textureless Objects using Multi-View RGB Frames
* '''中文标题'''：使用多视角RGB帧进行无纹理物体的主动6D姿态估计
* '''发布日期'''：2025-03-05 18:28:32+00:00
* '''作者'''：Jun Yang, Wenjie Xue, Sahar Ghavidel, Steven L. Waslander
* '''分类'''：cs.CV, cs.RO
*'''原文链接'''：http://arxiv.org/abs/2503.03726v1
'''中文摘要'''：从[[RGB图像]]中估计无纹理物体的[[6D姿态]]是[[机器人学]]中的一个重要问题。由于外观模糊性、旋转对称性和严重遮挡，基于单视图的6D姿态估计器仍然无法处理广泛的物体，这促使了[[多视图姿态估计]]和[[最佳视角预测]]的研究，以解决这些限制。在这项工作中，我们提出了一个全面的[[主动感知]]框架，仅使用RGB图像来估计无纹理物体的6D姿态。我们的方法基于一个关键思想：将6D姿态估计解耦为一个顺序的两步过程可以显著提高准确性和效率。首先，我们估计每个物体的[[3D平移]]，解决RGB图像固有的尺度和深度模糊性。然后，这些估计用于简化后续的[[3D方向]]确定任务，我们通过[[规范尺度模板匹配]]来实现。基于这一公式，我们进一步引入了一种主动感知策略，预测下一个最佳[[相机视角]]以捕捉RGB图像，有效减少物体姿态的不确定性并提高姿态准确性。我们在公开的[[ROBI数据集]]以及我们自己创建的[[透明物体数据集]]上评估了我们的方法。在使用相同相机视角进行评估时，我们的多视图姿态估计显著优于最先进的方法。此外，通过利用我们的最佳视角策略，我们的方法在比基于启发式策略更少的视角下实现了高物体姿态准确性。

== 摘要 ==
* '''原文标题'''：Exploring Dual-Iron Atomic Catalysts for Efficient Nitrogen Reduction: A Comprehensive Study on Structural and Electronic Optimization
* '''中文标题'''：探索双铁原子催化剂用于高效氮还原：结构与电子优化的综合研究
* '''发布日期'''：2025-03-05 12:00:44+00:00
* '''作者'''：Zhe Zhang, Wenxin Ma, Jiajie Qiao, Xiaoliang Wu, Shaowen Yu, Weiye Hou, Xiang Huang, Rubin Huo, Hongbo Wu, Yusong Tu
* '''分类'''：cond-mat.mtrl-sci, physics.chem-ph
*'''原文链接'''：http://arxiv.org/abs/2503.03427v1
'''中文摘要'''：[[氮还原反应]]（NRR）作为一种高效且绿色的[[氨合成]]途径，在实现按需氨生产中起着至关重要的作用。本研究提出了一种基于双铁原子位点和[[氮硼共掺杂石墨烯]]催化剂的新设计理念，探索其在NRR中的高效性。通过调节N和B的共掺杂比例，我们发现Fe2N3B@G催化剂在N2分子的吸附和氢化中表现出显著的活性，尤其是在NRR远端路径上具有最低的自由能（0.32 eV），显示出其优异的氮活化能力和NRR性能。计算的[[电子局域化函数]]、[[晶体轨道哈密顿布居]]、[[静电势图]]揭示了Fe2N3B@G催化剂改进的NRR动力学源于N3B共掺杂诱导的Fe-Fe电子环境优化、Fe-N键强度的调节以及N2断裂和氢化过程中的持续电子支持。特别是，[[机器学习分子动力学]]（MLMD）模拟被用来验证Fe2N3B@G催化剂在NRR中的高活性，结果表明Fe2N3B@G有效调节了Fe-N键的电子密度，确保了NH3分子的顺利生成和解吸，并避免了与[[析氢反应]]（HER）的竞争。此外，Fe2N3B@G催化剂确定的较高HER过电位可以有效抑制HER并增强对NRR的选择性。此外，Fe2N3B@G催化剂在高达500 K的[[分子动力学模拟]]中也表现出良好的热稳定性，为其在实际应用中的可行性提供了支持。本研究展示了Fe2N3B@G在氮还原催化中的优越性能，并通过共掺杂策略和深入的电子环境调节为原子催化剂设计提供了理论指导。