Buchumschlag

Investigation of Compressor Cascade Flow Using Physics- Informed Neural Networks with Adaptive Learning Strategy

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Li, Zhihui, Montomoli, Francesco, Sharma, Sanjiv
Format:	Preprint
Veröffentlicht:	2023
Schlagworte:	Machine Learning Computational Physics Fluid Dynamics
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Bayesian Reasoning for Physics Informed Neural Networks
von: Graczyk, Krzysztof M., et al.
Veröffentlicht: (2023)

Multi-resolution Physics-Aware Recurrent Convolutional Neural Network for Complex Flows
von: Cheng, Xinlun, et al.
Veröffentlicht: (2025)

Extended Physics Informed Neural Network for Hyperbolic Two-Phase Flow in Porous Media
von: Rehman, Saif Ur, et al.
Veröffentlicht: (2025)

Jacobian-Scaled K-means Clustering for Physics-Informed Segmentation of Reacting Flows
von: Barwey, Shivam, et al.
Veröffentlicht: (2023)

WellPINN: Accurate Well Representation for Transient Fluid Pressure Diffusion in Subsurface Reservoirs with Physics-Informed Neural Networks
von: Walter, Linus, et al.
Veröffentlicht: (2025)

PINNfluence: Influence Functions for Physics-Informed Neural Networks
von: Naujoks, Jonas R., et al.
Veröffentlicht: (2024)

Symplectic Neural Flows for Modeling and Discovery
von: Canizares, Priscilla, et al.
Veröffentlicht: (2024)

Differentiable Physics-Neural Models enable Learning of Non-Markovian Closures for Accelerated Coarse-Grained Physics Simulations
von: Xue, Tingkai, et al.
Veröffentlicht: (2025)

Physics-Informed Neural Network Approaches for Sparse Data Flow Reconstruction of Unsteady Flow Around Complex Geometries
von: Malineni, Vamsi Sai Krishna, et al.
Veröffentlicht: (2025)

Physics Informed Neural Networks for Free Shear Flows
von: Raghu, Siddharth, et al.
Veröffentlicht: (2024)

Mass Conservation on Rails -- Rethinking Physics-Informed Learning of Ice Flow Vector Fields
von: Bente, Kim, et al.
Veröffentlicht: (2025)

Physics-enhanced Neural Operator for Simulating Turbulent Transport
von: Chen, Shengyu, et al.
Veröffentlicht: (2024)

NeuralFoil: An Airfoil Aerodynamics Analysis Tool Using Physics-Informed Machine Learning
von: Sharpe, Peter, et al.
Veröffentlicht: (2025)

Flow Field Reconstruction via Voronoi-Enhanced Physics-Informed Neural Networks with End-to-End Sensor Placement Optimization
von: Xiao, Renjie, et al.
Veröffentlicht: (2026)

Learning Effective Dynamics across Spatio-Temporal Scales of Complex Flows
von: Gao, Han, et al.
Veröffentlicht: (2025)

Hard Constraint Projection in a Physics Informed Neural Network
von: Horne, Miranda J. S., et al.
Veröffentlicht: (2026)

Invariant Control Strategies for Active Flow Control using Graph Neural Networks
von: Kurz, Marius, et al.
Veröffentlicht: (2025)

Interpretable A-posteriori Error Indication for Graph Neural Network Surrogate Models
von: Barwey, Shivam, et al.
Veröffentlicht: (2023)

Enhancing lattice kinetic schemes for fluid dynamics with Lattice-Equivariant Neural Networks
von: Ortali, Giulio, et al.
Veröffentlicht: (2024)

Asymptotic-Preserving Neural Networks for Viscoelastic Parameter Identification in Multiscale Blood Flow Modeling
von: Bertaglia, Giulia, et al.
Veröffentlicht: (2026)

C(NN)FD -- Deep Learning Modelling of Multi-Stage Axial Compressors Aerodynamics
von: Bruni, Giuseppe, et al.
Veröffentlicht: (2025)

Physics-informed State-space Neural Networks for Transport Phenomena
von: Dave, Akshay J., et al.
Veröffentlicht: (2023)

Simulating Three-dimensional Turbulence with Physics-informed Neural Networks
von: Wang, Sifan, et al.
Veröffentlicht: (2025)

Physics Informed Neural Network-based Computational Method for Accelerating Time-Periodic Unsteady CFD Simulations
von: Chaplot, Lakshya, et al.
Veröffentlicht: (2026)

Spectrally Informed Learning of Fluid Flows
von: Shaffer, Benjamin D., et al.
Veröffentlicht: (2024)

A Mesh-Adaptive Hypergraph Neural Network for Unsteady Flow Around Oscillating and Rotating Structures
von: Gao, Rui, et al.
Veröffentlicht: (2025)

Multiscale Physics-Informed Neural Network for Complex Fluid Flows with Long-Range Dependencies
von: Kumar, Prashant, et al.
Veröffentlicht: (2026)

Uni-Flow: a unified autoregressive-diffusion model for complex multiscale flows
von: Xue, Xiao, et al.
Veröffentlicht: (2026)

Intelligent Optimization of Multi-Parameter Micromixers Using a Scientific Machine Learning Framework
von: Hassanzadeh, Meraj, et al.
Veröffentlicht: (2025)

Fast-Forward Lattice Boltzmann: Learning Kinetic Behaviour with Physics-Informed Neural Operators
von: Xue, Xiao, et al.
Veröffentlicht: (2025)

Generative Learning of the Solution of Parametric Partial Differential Equations Using Guided Diffusion Models and Virtual Observations
von: Gao, Han, et al.
Veröffentlicht: (2024)

Impact of Loss Weight and Model Complexity on Physics-Informed Neural Networks for Computational Fluid Dynamics
von: Chou, Yi En, et al.
Veröffentlicht: (2025)

Solving Euler equations with Multiple Discontinuities via Separation-Transfer Physics-Informed Neural Networks
von: Wang, Chuanxing, et al.
Veröffentlicht: (2025)

Physics-Informed Graph Neural Network Surrogates for Turbulent Nanoparticle Dispersion in Dental Clinical Environments
von: Shende, Takshak, et al.
Veröffentlicht: (2026)

Equivariant U-Shaped Neural Operators for the Cahn-Hilliard Phase-Field Model
von: Xue, Xiao, et al.
Veröffentlicht: (2025)

Mesh-based Super-Resolution of Fluid Flows with Multiscale Graph Neural Networks
von: Barwey, Shivam, et al.
Veröffentlicht: (2024)

Predicting The Evolution of Interfaces with Fourier Neural Operators
von: Guida, Paolo, et al.
Veröffentlicht: (2025)

Data-Driven Reduced-Complexity Modeling of Fluid Flows: A Community Challenge
von: Schmidt, Oliver T., et al.
Veröffentlicht: (2026)

Challenges and Advancements in Modeling Shock Fronts with Physics-Informed Neural Networks: A Review and Benchmarking Study
von: Abbasi, Jassem, et al.
Veröffentlicht: (2025)

Multi-level datasets training method in Physics-Informed Neural Networks
von: Tsai, Yao-Hsuan, et al.
Veröffentlicht: (2025)