Buchumschlag

Physics Informed Neural Networks for Free Shear Flows

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Raghu, Siddharth, Nayek, Rajdip, Chalamalla, Vamsi
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Fluid Dynamics Computational Physics
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

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)

Neural Operator Modeling of Platelet Geometry and Stress in Shear Flow
von: Laudato, Marco, et al.
Veröffentlicht: (2025)

Minimizing Nature's Cost: Exploring Data-Free Physics-Informed Neural Network Solvers for Fluid Mechanics Applications
von: Elmaradny, Abdelrahman, et al.
Veröffentlicht: (2024)

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

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

Investigation of Compressor Cascade Flow Using Physics- Informed Neural Networks with Adaptive Learning Strategy
von: Li, Zhihui, et al.
Veröffentlicht: (2023)

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

Hybrid Quantum Physics-informed Neural Network: Towards Efficient Learning of High-speed Flows
von: Leong, Fong Yew, 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)

Physics-Informed Neural Networks with Complementary Soft and Hard Constraints for Solving Complex Boundary Navier-Stokes Equations
von: Zhou, Chuyu, et al.
Veröffentlicht: (2024)

Solving Navier-Stokes Equations Using Data-free Physics-Informed Neural Networks With Hard Boundary Conditions
von: Pal, Ritik, et al.
Veröffentlicht: (2025)

Order of Magnitude Analysis and Data-Based Physics-Informed Symbolic Regression for Turbulent Pipe Flow
von: Ünal, Yunus Emre, et al.
Veröffentlicht: (2026)

FlexPINN: Modeling Fluid Dynamics and Mass Transfer in 3D Micromixer Geometries Using a Flexible Physics-Informed Neural Network
von: Hassanzadeh, Meraj, 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)

Predicting Flow-Induced Vibration in Isolated and Tandem Cylinders Using Hypergraph Neural Networks
von: Heydari, Shayan, et al.
Veröffentlicht: (2025)

Acoustics-based Active Control of Unsteady Flow Dynamics using Reinforcement Learning Driven Synthetic Jets
von: Rout, Siddharth, et al.
Veröffentlicht: (2023)

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

Physics-Informed Neural Networks for Transonic Flows around an Airfoil
von: Wassing, Simon, et al.
Veröffentlicht: (2024)

Hybrid Neural Interpolation of a Sequence of Wind Flows
von: Shaa, Ameir, et al.
Veröffentlicht: (2025)

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

Identification of Settling Velocity with Physics Informed Neural Networks For Sediment Laden Flows
von: Delcey, Mickaël, et al.
Veröffentlicht: (2024)

Investigation of Numerical Diffusion in Aerodynamic Flow Simulations with Physics Informed Neural Networks
von: Warey, Alok, et al.
Veröffentlicht: (2021)

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)

Physics-Informed Neural Networks for Weakly Compressible Flows Using Galerkin-Boltzmann Formulation
von: Aygun, Atakan, et al.
Veröffentlicht: (2024)

Wave or Physics-Appropriate Multidimensional Upwinding Approach for Compressible Multiphase Flows
von: Chamarthi, Amareshwara Sainadh
Veröffentlicht: (2025)

Physics-Informed Neural Networks in Clean Combustion: A Pathway to Sustainable Aerospace Propulsion
von: Mousavi, Mahmood, et al.
Veröffentlicht: (2025)

A Physics-Informed Machine Learning Framework for Solid Boundary Treatment in Meshfree Particle Methods
von: Mehranfar, Nariman, et al.
Veröffentlicht: (2025)

Neural Network for Subgrid Turbulence Modeling for Large Eddy Simulations
von: Vital, Eduardo, et al.
Veröffentlicht: (2025)

Reduction of Outflow Boundary Influence on Aerodynamic Performance using Neural Networks
von: Bedrunka, Mario Christopher, et al.
Veröffentlicht: (2025)

Physics-Constrained Neural Closure for Lattice Boltzmann Large-Eddy Simulation
von: Khan, Muhammad Idrees, et al.
Veröffentlicht: (2026)

Matrix Product State Simulation of Reacting Shear Flows
von: Pinkston, Robert, et al.
Veröffentlicht: (2025)

Data-Driven Surrogate Modeling of DSMC Solutions Using Deep Neural Networks
von: Roohi, Ehsan, et al.
Veröffentlicht: (2025)

Finite Volume Physical Informed Neural Network (FV-PINN) with Reduced Derivative Order for Incompressible Flows
von: Su, Zijie, et al.
Veröffentlicht: (2024)

Sparse-Supervised Hybrid Parameterized Physics-Informed Neural Networks for Incompressible Flows Across Reynolds Numbers
von: Jangir, A., et al.
Veröffentlicht: (2026)

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

Physics-Informed Neural Networks for Multi-Phase Flow in Porous Media Considering Dual Shocks and Interphase Solubility
von: Zhang, Jingjing, et al.
Veröffentlicht: (2024)

An Efficient Wavelet-based Physics Informed Residual Neural Networks for Flow Field Reconstruction with Extremely Sparse Data
von: Barman, Biswanath, et al.
Veröffentlicht: (2026)

An Efficient and Accurate Surrogate Modeling of Flapping Dynamics in Inverted Elastic Foils using Hypergraph Neural Networks
von: Parekh, Aarshana R., et al.
Veröffentlicht: (2025)

Deep learning in the abyss: a stratified Physics Informed Neural Network for data assimilation
von: Limousin, Vadim, et al.
Veröffentlicht: (2025)