实验结合Keller–Segel模型揭示化学趋向聚集，团簇大小N*随速度V线性增长。
I. Theurkauff, C. Cottin-Bizonne, J. Palacci 等
提出线性叠加单元操作的新算法，复杂度为O(m²hte^{1.6√log(mht/ε)})，优于传统乘积公式。
Andrew M. Childs, Nathan Wiebe
提出基于岭回归的高维线性模型p值构建方法，强错误控制，适用于单个或多重假设。
Peter Bühlmann
Scikit-learn是Python中的机器学习库，集成支持向量机、PCA等算法，强调易用性和性能。
Fabian Pedregosa, Gaël Varoquaux, Alexandre Gramfort 等
利用大规模无监督学习训练9层稀疏自编码器，实现面部等高层特征检测，提升ImageNet识别率70%。
Quoc V. Le, Marc'Aurelio Ranzato, Rajat Monga 等
熵搜索算法通过信息增益优化全球搜索，提升效率。
Philipp Hennig, Christian J. Schuler
无转向采样器（NUTS）通过自适应路径长度提升HMC效率。
Matthew D. Hoffman, Andrew Gelman
提出高效非参数符合预测区域，结合核密度估计与 conformal 方法，保证有限样本覆盖率。
Jing Lei, James Robins, Larry Wasserman
SATzilla利用经验硬度模型实现SAT实例的动态算法组合，显著提升性能。
Lin Xu, Frank Hutter, Holger H. Hoos 等
利用量子状态实现公开验证的量子货币和量子程序保护。
Scott Aaronson
提出子高斯随机向量正半定二次型尾界，类似高斯情形，提供指数级概率界。
Daniel Hsu, Sham M. Kakade, Tong Zhang
提出低维参数置信区间构建方法，突破高维线性模型中变量数远超样本量的限制。
Cun-Hui Zhang, Stephanie S. Zhang
本研究分析0-1损失在噪声容忍中的优势，显示其在非均匀噪声下的稳健性。
Naresh Manwani, P. S. Sastry
利用核电荷和原子位置，通过机器学习模型预测有机分子解离能，误差约10 kcal/mol。
Matthias Rupp, Alexandre Tkatchenko, Klaus-Robert Müller 等
提出一种基于加权的模型无关风险敏感强化学习算法，用于满足约束条件的控制任务。
P. Geibel, F. Wysotzki
Perseus：随机点基值迭代算法，提升大规模POMDP性能
M. T. J. Spaan, N. Vlassis
提出基于线性模型的Gossip学习，结合模型随机游走与集成，保证分布式数据隐私与低通信成本。
Róbert Ormándi, István Hegedüs, Márk Jelasity
提出基于贝叶斯的非线性系统模拟优化实验设计框架，结合多项式混沌和随机逼近提升效率。
Xun Huan, Youssef M. Marzouk
采用GGA+U方法，U=1.9 eV，J=1.2 eV，准确模拟镍的内在异常霍尔导电率，符合低温实验。
Huei-Ru Fuh, Guang-Yu Guo
介绍量子退火及其在复杂优化中的应用，结合具体算法与实验数据。
Diego de Falco, Dario Tamascelli