Uma biblioteca para processamento de sinais diferenciáveis ​​e aprendizado de máquina na esfera

A esfera bidimensional embutida no espaço euclidiano tridimensional S2 desempenha um papel central em uma variedade de domínios científicos e de engenharia, incluindo geofísica, ciência planetária, geodésia, física atmosférica, química quântica.

A esfera bidimensional embutida no espaço euclidiano tridimensional S2 desempenha um papel central em uma variedade de domínios científicos e de engenharia, incluindo geofísica, ciência planetária, geodésia, física atmosférica, química quântica, cosmologia e realidade virtual. Tanto indivíduos como organizações que trabalham com arXivLabs abraçaram e aceitaram nossos valores de abertura, comunidade, excelência e privacidade dos dados do usuário.

ArXiv está comprometido com esses valores e só trabalha com parceiros que os aderem. Tem uma ideia de um projeto que agregue valor à comunidade arXiv? .

Saiba mais sobre o arXivLabs. Resumo: A esfera bidimensional inserida no espaço euclidiano tridimensional S2 desempenha um papel central em uma variedade de domínios científicos e de engenharia, incluindo geofísica, ciência planetária, geodésia, física atmosférica, química quântica, cosmologia e realidade.

À medida que o aprendizado de máquina permeia cada vez mais esses campos, cresce a demanda por ferramentas robustas que processem e modelem funções na esfera, respeitando as propriedades topológicas e de simetria inerentes ao domínio. Apresentamos torch-harmonics, uma biblioteca abrangente que oferece implementações eficientes e diferenciáveis ​​de processamento avançado de sinais e métodos de aprendizado de máquina (ML) para dados esféricos.

Estes incluem a transformada harmônica esférica (SHT), o análogo esférico da transformada de Fourier, harmônicos esféricos vetoriais, convoluções discretas-contínuas e espectrais, bem como mecanismos de atenção esférica globais e de vizinhança.

Fonte