Buchumschlag

Enriched Physics-informed Neural Networks for Dynamic Poisson-Nernst-Planck Systems

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Huang, Xujia, Wang, Fajie, Zhang, Benrong, Liu, Hanqing
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Machine Learning Computational Physics 65M99, 35M33, 68T07
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

A Structure-Preserving Framework for Solving Parabolic Partial Differential Equations with Neural Networks
von: Chen, Gaohang, et al.
Veröffentlicht: (2025)

Learning on the Temporal Tangent Bundle for Physics-Informed Neural Networks
von: Jamal, Adetola, et al.
Veröffentlicht: (2026)

Coupling-Robust Accuracy in Multiphysics Physics Informed Neural Networks via Kronecker-Preconditioned Optimization
von: Park, Youngjae, et al.
Veröffentlicht: (2026)

Efficient kernel surrogates for neural network-based regression
von: Qadeer, Saad, et al.
Veröffentlicht: (2023)

ARDO: A Weak Formulation Deep Neural Network Method for Elliptic and Parabolic PDEs Based on Random Differences of Test Functions
von: Cai, Wei, et al.
Veröffentlicht: (2025)

Physics-Informed Neural Networks: A Didactic Derivation of the Complete Training Cycle
von: Tahimi, Abdeladhim
Veröffentlicht: (2026)

S$^2$GPT-PINNs: Sparse and Small models for PDEs
von: Ji, Yajie, et al.
Veröffentlicht: (2025)

Neural-HSS: Hierarchical Semi-Separable Neural PDE Solver
von: Sittoni, Pietro, et al.
Veröffentlicht: (2026)

PODNO: Proper Orthogonal Decomposition Neural Operators
von: Cheng, Zilan, et al.
Veröffentlicht: (2025)

Dynamic Deep Learning Based Super-Resolution For The Shallow Water Equations
von: Witte, Maximilian, et al.
Veröffentlicht: (2024)

Error bounds for Physics Informed Neural Networks in Generalized KdV Equations placed on unbounded domains
von: Freire, Ricardo, et al.
Veröffentlicht: (2026)

Neural Networks for Threshold Dynamics Reconstruction
von: Negrini, Elisa, et al.
Veröffentlicht: (2024)

GoRINNs: Godunov-Riemann Informed Neural Networks for Learning Hyperbolic Conservation Laws
von: Patsatzis, Dimitrios G., et al.
Veröffentlicht: (2024)

A Theory-guided Weighted $L^2$ Loss for solving the BGK model via Physics-informed neural networks
von: Ko, Gyounghun, et al.
Veröffentlicht: (2026)

Enhancing Future Prediction of Linear and Nonlinear Reduced-Order Models for Transport-Dominated Problems Using Lagrangian Data
von: Li, Meng, et al.
Veröffentlicht: (2026)

Learning WENO for entropy stable schemes to solve conservation laws
von: Charles, Philip, et al.
Veröffentlicht: (2024)

Error bounds for Physics Informed Neural Networks in Nonlinear Schrödinger equations placed on unbounded domains
von: Alejo, Miguel Á., et al.
Veröffentlicht: (2024)

Guided Flow Matching for Forward and Inverse PDE Problems with Sparse Observations: Algorithm and Theory
von: Zhang, Xifeng, et al.
Veröffentlicht: (2026)

Adaptive Domain Decomposition Physics-Informed Neural Networks for Traffic State Estimation with Sparse Sensor Data
von: Ka, Eunhan, et al.
Veröffentlicht: (2026)

Convex Physics Informed Neural Networks for the Monge-Ampère Optimal Transport Problem
von: Caboussat, Alexandre, et al.
Veröffentlicht: (2025)

Polynomial-Augmented Neural Networks (PANNs) with Weak Orthogonality Constraints for Enhanced Function and PDE Approximation
von: Cooley, Madison, et al.
Veröffentlicht: (2024)

A Parameter-Driven Physics-Informed Neural Network Framework for Solving Two-Parameter Singular Perturbation Problems Involving Boundary Layers
von: Boro, Pradanya, et al.
Veröffentlicht: (2025)

A neural network method for scalar conservation laws with convergence rates for shock-wave solutions
von: Cao, Jiachuan, et al.
Veröffentlicht: (2026)

Latent Space Dynamics Identification for Interface Tracking with Application to Shock-Induced Pore Collapse
von: Chung, Seung Whan, et al.
Veröffentlicht: (2025)

All Equalities Are Equal, but Some Are More Equal Than Others: The Effect of Implementation Aliasing on the Numerical Solution to Conservation Equations
von: Trojak, Will, et al.
Veröffentlicht: (2019)

Tensor Neural Network Based Machine Learning Method for Elliptic Multiscale Problems
von: Lin, Zhongshuo, et al.
Veröffentlicht: (2024)

High-Fidelity Modeling of Stochastic Chemical Dynamics on Complex Manifolds: A Multi-Scale SIREN-PINN Framework for the Curvature-Perturbed Ginzburg-Landau Equation
von: Chrisnanto, Julian Evan, et al.
Veröffentlicht: (2026)

Adaptive Probability Flow Residual Minimization for High-Dimensional Fokker-Planck Equations
von: Wu, Xiaolong, et al.
Veröffentlicht: (2025)

Error Estimation for Physics-informed Neural Networks Approximating Semilinear Wave Equations
von: Lorenz, Beatrice, et al.
Veröffentlicht: (2024)

Deep Neural ODE Operator Networks for PDEs
von: Li, Ziqian, et al.
Veröffentlicht: (2025)

Autoencoders in Function Space
von: Bunker, Justin, et al.
Veröffentlicht: (2024)

Intrinsic-Metric Physics-Informed Neural Networks (IM-PINN) for Reaction-Diffusion Dynamics on Complex Riemannian Manifolds
von: Chrisnanto, Julian Evan, et al.
Veröffentlicht: (2025)

EGPT-PINN: Entropy-enhanced Generative Pre-Trained Physics Informed Neural Networks for parameterized nonlinear conservation laws
von: Ji, Yajie, et al.
Veröffentlicht: (2025)

Hypernetwork-Conditioned WENO5 Conservative-Form CNNs for One-Dimensional Conservation Laws
von: Chen, Yongsheng, et al.
Veröffentlicht: (2026)

Multifidelity domain decomposition-based physics-informed neural networks and operators for time-dependent problems
von: Heinlein, Alexander, et al.
Veröffentlicht: (2024)

A physics-informed neural network method for the approximation of slow invariant manifolds for the general class of stiff systems of ODEs
von: Patsatzis, Dimitrios G., et al.
Veröffentlicht: (2024)

PTL-PINNs: Perturbation-Guided Transfer Learning with Physics- Informed Neural Networks for Nonlinear Systems
von: Alexandrino, Duarte, et al.
Veröffentlicht: (2026)

Structure-Preserving Discretization of Fractional Vector Calculus using Discrete Exterior Calculus
von: Jacobson, Alon, et al.
Veröffentlicht: (2022)

Solving the BGK Model and Boltzmann equation by Fourier Neural Operator with conservative constraints
von: Hu, Boyun, et al.
Veröffentlicht: (2025)

Neural network Approximations for Reaction-Diffusion Equations -- Homogeneous Neumann Boundary Conditions and Long-time Integrations
von: Avilés, Eddel Elí Ojeda, et al.
Veröffentlicht: (2024)