Buchumschlag

Constrained Hamiltonian Systems and Physics-Informed Neural Networks: Hamilton-Dirac Neural Networks

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
1. Verfasser:	Kaltsas, Dimitrios A.
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Computational Physics
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Hamiltonian Learning via Inverse Physics-Informed Neural Networks
von: Liu, Jie, et al.
Veröffentlicht: (2025)

Physics-Informed Neural Networks for Solving Derivative-Constrained PDEs
von: Hoshisashi, Kentaro, et al.
Veröffentlicht: (2026)

Neural Hamilton: Can A.I. Understand Hamiltonian Mechanics?
von: Kim, Tae-Geun, et al.
Veröffentlicht: (2024)

Physics-Informed Neural Networks in Electromagnetic and Nanophotonic Design
von: Abdelraouf, Omar A. M., et al.
Veröffentlicht: (2025)

Quantum Orthogonal Separable Physics-Informed Neural Networks
von: Zanotta, Pietro, et al.
Veröffentlicht: (2025)

Statistical Learning Analysis of Physics-Informed Neural Networks
von: Barajas-Solano, David A.
Veröffentlicht: (2026)

Evidential Physics-Informed Neural Networks
von: Tan, Hai Siong, et al.
Veröffentlicht: (2025)

Physics-Informed Neural Networks with Dynamical Boundary Constraints
von: Martínez-Esteban, Andrés, et al.
Veröffentlicht: (2025)

Quantum Noise Tomography with Physics-Informed Neural Networks
von: Sulc, Antonin
Veröffentlicht: (2025)

Boundary-Informed Method of Lines for Physics Informed Neural Networks
von: Cederholm, Maximilian, et al.
Veröffentlicht: (2025)

Physics-Informed Neural Network for Elastic Wave-Mode Separation
von: Alves, E. A. B., et al.
Veröffentlicht: (2025)

Response Estimation and System Identification of Dynamical Systems via Physics-Informed Neural Networks
von: Haywood-Alexander, Marcus, et al.
Veröffentlicht: (2024)

DiffGrad for Physics-Informed Neural Networks
von: Rahman, Jamshaid Ul, et al.
Veröffentlicht: (2024)

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

NeuroPINNs: Neuroscience Inspired Physics Informed Neural Networks
von: Garg, Shailesh, et al.
Veröffentlicht: (2025)

Physics Informed Neural Network Framework for Unsteady Discretized Reduced Order System
von: Halder, Rahul, et al.
Veröffentlicht: (2023)

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

Evidential Physics-Informed Neural Networks for Scientific Discovery
von: Tan, Hai Siong, et al.
Veröffentlicht: (2025)

Symmetry-Constrained Multi-Scale Physics-Informed Neural Networks for Graphene Electronic Band Structure Prediction
von: Lee, Wei Shan, et al.
Veröffentlicht: (2025)

Physics-Informed Neural Networks for Maximizing Quantum Fisher Information in Time-Dependent Many-Body Systems
von: Ferrer-Sánchez, Antonio, et al.
Veröffentlicht: (2026)

On the Role of Consistency Between Physics and Data in Physics-Informed Neural Networks
von: Becerra-Zuniga, Nicolás, et al.
Veröffentlicht: (2026)

KP-PINNs: Kernel Packet Accelerated Physics Informed Neural Networks
von: Yang, Siyuan, et al.
Veröffentlicht: (2025)

Kronecker-Factored Approximate Curvature for Physics-Informed Neural Networks
von: Dangel, Felix, et al.
Veröffentlicht: (2024)

PINGS: Physics-Informed Neural Network for Fast Generative Sampling
von: Prasha, Achmad Ardani, et al.
Veröffentlicht: (2025)

Physics-Informed Neural Networks for Parametric Compressible Euler Equations
von: Wassing, Simon, et al.
Veröffentlicht: (2023)

A Physics-Informed Neural Network with a Modified Lorentzian Activation for Nonlocal Gradient-Flow Equations in Dynamic Density Functional Theory
von: Gourzoulidis, Dimitrios, et al.
Veröffentlicht: (2026)

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

Exact Enforcement of Temporal Continuity in Sequential Physics-Informed Neural Networks
von: Roy, Pratanu, et al.
Veröffentlicht: (2024)

Inverse Physics-Informed Neural Networks for transport models in porous materials
von: Berardi, Marco, et al.
Veröffentlicht: (2024)

Physics-Informed Neural Networks with Fourier Features and Attention-Driven Decoding
von: Arni, Rohan, et al.
Veröffentlicht: (2025)

Reconstruction of Excitation Waves from Mechanical Deformation using Physics-Informed Neural Networks
von: Dermul, Nathan, et al.
Veröffentlicht: (2024)

Physics-Informed Neural Networks for Irregular Domain Mapping and Partial Differential Equations solving
von: Zhou, Cuizhi, et al.
Veröffentlicht: (2025)

Reconstructing Relativistic Magnetohydrodynamics with Physics-Informed Neural Networks
von: Cheung, Corwin, et al.
Veröffentlicht: (2025)

Physics-Informed Neural Networks for microflows: Rarefied Gas Dynamics in Cylinder Arrays
von: Tucny, Jean-Michel, et al.
Veröffentlicht: (2025)

From Fermat's Principle to Physics-Informed Neural Networks: A Unified Computational Approach to Variational Physics
von: Razdan, Aman, et al.
Veröffentlicht: (2026)

Leveraging Influence Functions for Resampling Data in Physics-Informed Neural Networks
von: Naujoks, Jonas R., et al.
Veröffentlicht: (2025)

Examining the robustness of Physics-Informed Neural Networks to noise for Inverse Problems
von: Jekic, Aleksandra, et al.
Veröffentlicht: (2025)

Physics-Constrained Graph Neural Networks for Spatio-Temporal Prediction of Drop Impact on OLED Display Panels
von: Kim, Jiyong, et al.
Veröffentlicht: (2024)

Kolmogorov-Arnold Representation for Symplectic Learning: Advancing Hamiltonian Neural Networks
von: Wu, Zongyu, et al.
Veröffentlicht: (2025)

Residual Attention Physics-Informed Neural Networks for Robust Multiphysics Simulation of Steady-State Electrothermal Energy Systems
von: Zhou, Yuqing, et al.
Veröffentlicht: (2026)