Buchumschlag

Neural Galerkin Schemes with Active Learning for High-Dimensional Evolution Equations

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Bruna, Joan, Peherstorfer, Benjamin, Vanden-Eijnden, Eric
Format:	Preprint
Veröffentlicht:	2022
Schlagworte:	Numerical Analysis Machine Learning
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Sequential-in-time training of nonlinear parametrizations for solving time-dependent partial differential equations
von: Zhang, Huan, et al.
Veröffentlicht: (2024)

Filtered Neural Galerkin model reduction schemes for efficient propagation of initial condition uncertainties in digital twins
von: Ning, Zhiyang, et al.
Veröffentlicht: (2025)

Scale-Adaptive Generative Flows for Multiscale Scientific Data
von: Chen, Yifan, et al.
Veröffentlicht: (2025)

Lipschitz-Guided Design of Interpolation Schedules in Generative Models
von: Chen, Yifan, et al.
Veröffentlicht: (2025)

A Dirac-Frenkel-Onsager principle: Instantaneous residual minimization with gauge momentum for nonlinear parametrizations of PDE solutions
von: Raviola, Matteo, et al.
Veröffentlicht: (2026)

CoLoRA: Continuous low-rank adaptation for reduced implicit neural modeling of parameterized partial differential equations
von: Berman, Jules, et al.
Veröffentlicht: (2024)

Deep learning probability flows and entropy production rates in active matter
von: Boffi, Nicholas M., et al.
Veröffentlicht: (2023)

Parametric model reduction of mean-field and stochastic systems via higher-order action matching
von: Berman, Jules, et al.
Veröffentlicht: (2024)

Nonlinear model reduction with Neural Galerkin schemes on quadratic manifolds
von: Weder, Philipp, et al.
Veröffentlicht: (2024)

Leveraging Gauge Freedom for Learning Non-Gradient Population Dynamics of Stochastic Systems
von: Berman, Jules, et al.
Veröffentlicht: (2026)

Nonlinear model reduction for transport-dominated problems
von: Hesthaven, Jan S., et al.
Veröffentlicht: (2026)

Multifidelity Covariance Estimation via Regression on the Manifold of Symmetric Positive Definite Matrices
von: Maurais, Aimee, et al.
Veröffentlicht: (2023)

Finite Expression Method for Solving High-Dimensional Partial Differential Equations
von: Liang, Senwei, et al.
Veröffentlicht: (2022)

Learning Discontinuous Galerkin Solutions to Elliptic Problems via Small Linear Convolutional Neural Networks
von: Celaya, Adrian, et al.
Veröffentlicht: (2025)

Solving High-Dimensional Partial Integral Differential Equations: The Finite Expression Method
von: Hardwick, Gareth, et al.
Veröffentlicht: (2024)

Neural Galerkin Normalizing Flow for Transition Probability Density Functions of Diffusion Models
von: Saporiti, Riccardo, et al.
Veröffentlicht: (2026)

Scalable Mechanistic Neural Networks for Differential Equations and Machine Learning
von: Chen, Jiale, et al.
Veröffentlicht: (2024)

Temporal Difference Learning for High-Dimensional PIDEs with Jumps
von: Lu, Liwei, et al.
Veröffentlicht: (2023)

Explicit and Effectively Symmetric Schemes for Neural SDEs on Lie Groups
von: Shmelev, Daniil, et al.
Veröffentlicht: (2025)

Adaptive-Distribution Randomized Neural Networks for PDEs: A Low-Dimensional Distribution-Learning Framework
von: Yang, You, et al.
Veröffentlicht: (2026)

An Overview on Machine Learning Methods for Partial Differential Equations: from Physics Informed Neural Networks to Deep Operator Learning
von: Gonon, Lukas, et al.
Veröffentlicht: (2024)

Quantitative Approximation for Neural Operators in Nonlinear Parabolic Equations
von: Furuya, Takashi, et al.
Veröffentlicht: (2024)

Solving Poisson Equations using Neural Walk-on-Spheres
von: Nam, Hong Chul, et al.
Veröffentlicht: (2024)

Deep Parallel Spectral Neural Operators for Solving Partial Differential Equations with Enhanced Low-Frequency Learning Capability
von: Ma, Qinglong, et al.
Veröffentlicht: (2024)

Deep Neural Network Solutions for Oscillatory Fredholm Integral Equations
von: Jiang, Jie, et al.
Veröffentlicht: (2024)

HAMLET: Graph Transformer Neural Operator for Partial Differential Equations
von: Bryutkin, Andrey, et al.
Veröffentlicht: (2024)

Physics-embedded Fourier Neural Network for Partial Differential Equations
von: Xu, Qingsong, et al.
Veröffentlicht: (2024)

Long-time Integration of Nonlinear Wave Equations with Neural Operators
von: Lei, Guanhang, et al.
Veröffentlicht: (2024)

Transformed Physics-Informed Neural Networks for The Convection-Diffusion Equation
von: Guan, Jiajing, et al.
Veröffentlicht: (2024)

Component Fourier Neural Operator for Singularly Perturbed Differential Equations
von: Li, Ye, et al.
Veröffentlicht: (2024)

Randomized Neural Networks for Partial Differential Equation on Static and Evolving Surfaces
von: Sun, Jingbo, et al.
Veröffentlicht: (2026)

Random Neural Network Expressivity for Non-Linear Partial Differential Equations
von: Mehmood, Muhammed Ali, et al.
Veröffentlicht: (2026)

Constrained or Unconstrained? Neural-Network-Based Equation Discovery from Data
von: Norman, Grant, et al.
Veröffentlicht: (2024)

Automatic Differentiation is Essential in Training Neural Networks for Solving Differential Equations
von: Chen, Chuqi, et al.
Veröffentlicht: (2024)

Randomized Neural Networks for Integro-Differential Equations with Application to Neutron Transport
von: Dang, Haoning, et al.
Veröffentlicht: (2026)

THINNs: Thermodynamically Informed Neural Networks
von: Castro, Javier, et al.
Veröffentlicht: (2025)

A Neural Network for the Identical Kuramoto Equation: Architectural Considerations and Performance Evaluation
von: Panigrahi, Nishantak, et al.
Veröffentlicht: (2025)

First-order PDES for Graph Neural Networks: Advection And Burgers Equation Models
von: Qu, Yifan, et al.
Veröffentlicht: (2024)

Inverse Evolution Layers: Physics-informed Regularizers for Deep Neural Networks
von: Liu, Chaoyu, et al.
Veröffentlicht: (2023)

Scale-Consistent Learning for Partial Differential Equations
von: Li, Zongyi, et al.
Veröffentlicht: (2025)