Buchumschlag

JAX-SPH: A Differentiable Smoothed Particle Hydrodynamics Framework

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Toshev, Artur P., Ramachandran, Harish, Erbesdobler, Jonas A., Galletti, Gianluca, Brandstetter, Johannes, Adams, Nikolaus A.
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Fluid Dynamics Machine Learning
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Neural SPH: Improved Neural Modeling of Lagrangian Fluid Dynamics
von: Toshev, Artur P., et al.
Veröffentlicht: (2024)

Towards Multi-Fidelity Scaling Laws of Neural Surrogates in CFD
von: Setinek, Paul, et al.
Veröffentlicht: (2025)

JAX-Fluids 2.0: Towards HPC for Differentiable CFD of Compressible Two-phase Flows
von: Bezgin, Deniz A., et al.
Veröffentlicht: (2024)

diffSPH: Differentiable Smoothed Particle Hydrodynamics for Adjoint Optimization and Machine Learning
von: Winchenbach, Rene, et al.
Veröffentlicht: (2025)

A Second-Order, Variable-Resolution, Weakly-Compressible Smoothed Particle Hydrodynamics Scheme
von: Muta, Abhinav, et al.
Veröffentlicht: (2024)

Graph-Based Learning of Free Surface Dynamics in Generalized Newtonian Fluids using Smoothed Particle Hydrodynamics
von: Kim, Hyo-Jin, et al.
Veröffentlicht: (2025)

Towards high-order consistency and convergence of conservative SPH approximations
von: Zhang, Bo, et al.
Veröffentlicht: (2024)

Universal Physics Transformers: A Framework For Efficiently Scaling Neural Operators
von: Alkin, Benedikt, et al.
Veröffentlicht: (2024)

Robust Solid Boundary Treatment for Compressible Smoothed Particle Hydrodynamics
von: Villodi, Navaneet, et al.
Veröffentlicht: (2024)

Data-driven shape inference in three-dimensional steady state supersonic flows using ODIL and JAX-Fluids
von: Buhendwa, Aaron B., et al.
Veröffentlicht: (2024)

Adaptive Sampling for Hydrodynamic Stability
von: Singh, Anshima, et al.
Veröffentlicht: (2025)

Incremental Model Order Reduction of Smoothed-Particle Hydrodynamic Simulations
von: Di Costanzo, Eduardo, et al.
Veröffentlicht: (2025)

Adaptive Compressible Smoothed Particle Hydrodynamics
von: Villodi, Navaneet, et al.
Veröffentlicht: (2025)

Finding the Underlying Viscoelastic Constitutive Equation via Universal Differential Equations and Differentiable Physics
von: Rodrigues, Elias C., et al.
Veröffentlicht: (2024)

Data-informed lifting line theory
von: Sharma, Arjun, et al.
Veröffentlicht: (2026)

Approaches to conservative Smoothed Particle Hydrodynamics with entropy
von: Pavelka, Michal, et al.
Veröffentlicht: (2024)

Machine Learning Visualization Tool for Exploring Parameterized Hydrodynamics
von: Jekel, C. F., et al.
Veröffentlicht: (2024)

Deep Neural Networks with 3D Point Clouds for Empirical Friction Measurements in Hydrodynamic Flood Models
von: Haces-Garcia, Francisco, et al.
Veröffentlicht: (2024)

Unified description of fluids and solids in Smoothed Particle Hydrodynamics
von: Kincl, Ondřej, et al.
Veröffentlicht: (2022)

The role of time integration in energy conservation in Smoothed Particle Hydrodynamics fluid dynamics simulations
von: Cercos-Pita, Jose Luis, et al.
Veröffentlicht: (2022)

Learning Mesh-Free Discrete Differential Operators with Self-Supervised Graph Neural Networks
von: Starepravo, Lucas Gerken, et al.
Veröffentlicht: (2026)

The compressible Neural Particle Method for Simulating Compressible Viscous Fluid Flows
von: Shibukawa, Masato, et al.
Veröffentlicht: (2025)

Fluid Intelligence: A Forward Look on AI Foundation Models in Computational Fluid Dynamics
von: Ashton, Neil, et al.
Veröffentlicht: (2025)

Lie Generator Networks for Nonlinear Partial Differential Equations
von: Jamil, Shafayeth, et al.
Veröffentlicht: (2026)

Differentiable Turbulence: Closure as a partial differential equation constrained optimization
von: Shankar, Varun, et al.
Veröffentlicht: (2023)

Differentiable Autoencoding Neural Operator for Interpretable and Integrable Latent Space Modeling
von: Viknesh, Siva, et al.
Veröffentlicht: (2025)

Physics-Informed Chebyshev Polynomial Neural Operator for Parametric Partial Differential Equations
von: Chen, Biao, et al.
Veröffentlicht: (2026)

Surface tension and wetting at free surfaces in Smoothed Particle Hydrodynamics
von: Blank, Michael, et al.
Veröffentlicht: (2023)

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

Flux-controlled wall model for large eddy simulation integrating the compressible law of the wall
von: Xu, Youjie, et al.
Veröffentlicht: (2025)

Temperature transformation recovering the compressible law of the wall for turbulent channel flow
von: Xu, Youjie, et al.
Veröffentlicht: (2025)

Contactless Precision Steering of Particles in a Fluid inside a Cube with Rotating Walls
von: Amoudruz, Lucas, et al.
Veröffentlicht: (2025)

A Physics-Informed Spatiotemporal Deep Learning Framework for Turbulent Systems
von: Menicali, Luca, et al.
Veröffentlicht: (2025)

Machine Learning Framework for Thrombosis Risk Prediction in Rotary Blood Pumps
von: Blum, Christopher, et al.
Veröffentlicht: (2025)

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

An ALE-Consistent Graph Neural Operator-Transformer Framework for Fluid-Structure Interaction
von: Zhao, Shihang, et al.
Veröffentlicht: (2026)

Model-Agnostic AI Framework with Explicit Time Integration for Long-Term Fluid Dynamics Prediction
von: Yang, Sunwoong, et al.
Veröffentlicht: (2024)

HiLiftAeroML: High-Fidelity Computational Fluid Dynamics Dataset for High-Lift Aircraft Aerodynamics
von: Ashton, Neil, et al.
Veröffentlicht: (2026)

A Two-Phase Deep Learning Framework for Adaptive Time-Stepping in High-Speed Flow Modeling
von: Helwig, Jacob, et al.
Veröffentlicht: (2025)

A Physics-Augmented GraphGPS Framework for the Reconstruction of 3D Riemann Problems from Sparse Data
von: Cassia, Rami, et al.
Veröffentlicht: (2025)