Buchumschlag

On the locality of local neural operator in learning fluid dynamics

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Ye, Ximeng, Li, Hongyu, Huang, Jingjie, Qin, Guoliang
Format:	Preprint
Veröffentlicht:	2023
Schlagworte:	Fluid Dynamics Machine Learning
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Virtual domain extension for imposing boundary conditions in flow simulation using pre-trained local neural operator
von: Ye, Ximeng, et al.
Veröffentlicht: (2025)

Accelerating Bayesian inverse design in computational fluid dynamics using neural operators
von: Tiwari, Bipin, et al.
Veröffentlicht: (2026)

Prospects of federated machine learning in fluid dynamics
von: San, Omer, et al.
Veröffentlicht: (2022)

Fourier neural operators for spatiotemporal dynamics in two-dimensional turbulence
von: Atif, Mohammad, et al.
Veröffentlicht: (2024)

Bridging scales in multiscale bubble growth dynamics with correlated fluctuations using neural operator learning
von: Lu, Minglei, et al.
Veröffentlicht: (2024)

RoseNNa: A performant, portable library for neural network inference with application to computational fluid dynamics
von: Bati, Ajay, et al.
Veröffentlicht: (2023)

Improving CFD simulations by local machine-learned correction
von: Mitra, Peetak, et al.
Veröffentlicht: (2023)

Predicting fluid-structure interaction with graph neural networks
von: Gao, Rui, et al.
Veröffentlicht: (2022)

Equation identification for fluid flows via physics-informed neural networks
von: New, Alexander, et al.
Veröffentlicht: (2024)

Efficient temporal prediction of compressible flows in irregular domains using Fourier neural operators
von: Nie, Yifan, et al.
Veröffentlicht: (2026)

Reduced-order modeling of unsteady fluid flow using neural network ensembles
von: Halder, Rakesh, et al.
Veröffentlicht: (2024)

Analysis of accuracy and efficiency of neural networks to simulate Navier-Stokes fluid flows with obstacles
von: Hespanha, Rui, et al.
Veröffentlicht: (2025)

Mixture of neural operator experts for learning boundary conditions and model selection
von: Deighan, Dwyer, et al.
Veröffentlicht: (2025)

Physics-informed deep-learning applications to experimental fluid mechanics
von: Eivazi, Hamidreza, et al.
Veröffentlicht: (2022)

XRePIT: A deep learning-computational fluid dynamics hybrid framework implemented in OpenFOAM for fast, robust, and scalable unsteady simulations
von: Baral, Shilaj, et al.
Veröffentlicht: (2025)

Hybrid quantum physics-informed neural networks for simulating computational fluid dynamics in complex shapes
von: Sedykh, Alexandr, et al.
Veröffentlicht: (2023)

Inpainting physics: self-supervised learning for context-driven fluid simulation
von: Weidner, Jonas, et al.
Veröffentlicht: (2026)

Multi-fidelity physics constrained neural networks for dynamical systems
von: Zhou, Hao, et al.
Veröffentlicht: (2024)

Gradient-free online learning of subgrid-scale dynamics with neural emulators
von: Frezat, Hugo, et al.
Veröffentlicht: (2023)

Method of data forward generation with partial differential equations for machine learning modeling in fluid mechanics
von: Chen, Ruilin
Veröffentlicht: (2025)

A data free neural operator enabling fast inference of 2D and 3D Navier Stokes equations
von: Choi, Junho, et al.
Veröffentlicht: (2025)

Multi-fidelity graph-based neural networks architectures to learn Navier-Stokes solutions on non-parametrized 2D domains
von: Songia, Francesco, et al.
Veröffentlicht: (2026)

Physics-integrated neural differentiable modeling for immersed boundary systems
von: Li, Chenglin, et al.
Veröffentlicht: (2026)

Application of machine learning algorithm in temperature field reconstruction
von: He, Qianyu, et al.
Veröffentlicht: (2025)

Conditional neural field for spatial dimension reduction of turbulence data: a comparison study
von: Guo, Junyi, et al.
Veröffentlicht: (2025)

Nested Fourier-enhanced neural operator for efficient modeling of radiation transfer in fires
von: Jiao, Anran, et al.
Veröffentlicht: (2026)

RheOFormer: A generative transformer model for simulation of complex fluids and flows
von: Saberi, Maedeh, et al.
Veröffentlicht: (2025)

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

Unsupervised simulation of incompressible flows with physics- and equality- constrained artificial neural networks
von: Hu, Qifeng, et al.
Veröffentlicht: (2025)

Transfer learning strategies for accelerating reinforcement-learning-based flow control
von: Salehi, Saeed
Veröffentlicht: (2025)

FluidFlow: a flow-matching generative model for fluid dynamics surrogates on unstructured meshes
von: Ramos, David, et al.
Veröffentlicht: (2026)

DeepVIVONet: Using deep neural operators to optimize sensor locations with application to vortex-induced vibrations
von: Wan, Ruyin, et al.
Veröffentlicht: (2025)

Modeling subgrid scale production rates on complex meshes using graph neural networks
von: Dash, Priyabrat, et al.
Veröffentlicht: (2026)

Super-resolution of turbulent reacting flows on complex meshes using graph neural networks
von: Dash, Priyabrat, et al.
Veröffentlicht: (2026)

Physics-constrained coupled neural differential equations for one dimensional blood flow modeling
von: Csala, Hunor, et al.
Veröffentlicht: (2024)

Physics-constrained convolutional neural networks for inverse problems in spatiotemporal partial differential equations
von: Kelshaw, Daniel, et al.
Veröffentlicht: (2024)

Distributed physics-informed neural networks via domain decomposition for fast flow reconstruction
von: Qian, Yixiao, et al.
Veröffentlicht: (2026)

Structure tensor Reynolds-averaged Navier-Stokes turbulence models with equivariant neural networks
von: Miller, Aaron, et al.
Veröffentlicht: (2025)

Rapid aerodynamic prediction of swept wings via physics-embedded transfer learning
von: Yang, Yunjia, et al.
Veröffentlicht: (2024)

Machine-learning-based multipoint optimization of fluidic injection parameters for improving nozzle performance
von: Yang, Yunjia, et al.
Veröffentlicht: (2024)