Eventos
Ver todoÚltimas noticias
Ver todo
Sobre el centro
¿Qué pasaría si la Inteligencia Artificial pudiera recordar las cosas no solo bien, sino más rápido o de manera más confiable? Un nuevo estudio internacional ha introducido un tipo novedoso de memoria de IA, uno que aborda el desafío no con más datos, sino con geometría El estudio muestra que...
La gente del BCAM
- El jurado de estos premios ha valorado sus contribuciones al aprendizaje automático en el campo de la adaptación a cambios temporales, tanto en sus aspectos fundamentales como en su ap
Sobre el centro
BCAM renueva la acreditación HR Excellence in Research
- Esta renovación reafirma el compromiso de BCAM con los más altos estándares en la gestión de recursos humanos y su dedicación a crear un entorno de trabajo positivo y de apoyo para los
Job Offers
Ver todoÚltimas publicaciones
Ver todoEfficient Localization via Soft Information With Generic Sensing Measurements
Bartoletti, S.; Mazuelas, S.; Conti, A.; Win, M. (2025-06-05)
Accurate location awareness is essential for various context-based applications. This calls for efficient methodologies to collect, communicate and process position-dependent measurements, especially in situations with limit...
Bourgain’s Counterexample in the Sequential Convergence Problem for the Schrödinger Equation
Cho, C.H.; Eceizabarrena, D. (2025-05-08)
We study the problem of pointwise convergence for the Schrödinger operator on $\mathbb R^n$ along time sequences. We show that the sharp counterexample to the sequential Schrödinger maximal estimate given recently by Li, Wan...
A Unified View of Double-Weighting for Marginal Distribution Shift
Segovia, J.I; Mazuelas, S.; Liu, A. (2025-03-01)
Supervised classification traditionally assumes that training and testing samples are drawn from the same underlying distribution. However, practical scenarios are often affected by distribution shifts, such as covariate and...
Collocation-based robust variational physics-informed neural networks (CRVPINNs)
Paszyński, Maciej; Los, M.; Służalec, T.; Maczuga, P.; Vilkha, A.; Uriarte, C. (2025-09-01)
Physics-informed neural networks (PINNs) have been widely used to solve partial differential equations (PDEs) through strong residual minimization formulations. Their extension to weak scenarios via Variational PINNs (VPINNs...