:: Library Catalog

Buchumschlag

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Madhavan, Varun, Sebastian, Amal S, Ramsundar, Bharath, Viswanathan, Venkatasubramanian
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Machine Learning
Online-Zugang:	https://arxiv.org/abs/2407.06209
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Learning second-order TVD flux limiters using differentiable solvers
von: Huang, Chenyang, et al.
Veröffentlicht: (2025)

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

Open-Source Fermionic Neural Networks with Ionic Charge Initialization
von: Pranesh, Shai, et al.
Veröffentlicht: (2024)

DeepChem Equivariant: SE(3)-Equivariant Support in an Open-Source Molecular Machine Learning Library
von: Siguenza, Jose, et al.
Veröffentlicht: (2025)

Generalizable data-driven turbulence closure modeling on unstructured grids with differentiable physics
von: Kim, Hojin, et al.
Veröffentlicht: (2023)

Open-Source Protein Language Models for Function Prediction and Protein Design
von: Pandi, Shivasankaran Vanaja, et al.
Veröffentlicht: (2024)

AgriVariant: Variant Effect Prediction using DeepChem-Variant for Precision Breeding in Rice
von: Bisoi, Ankita Vaishnobi, et al.
Veröffentlicht: (2026)

Open source Differentiable ODE Solving Infrastructure
von: Singh, Rakshit Kr., et al.
Veröffentlicht: (2024)

Open Source Infrastructure for Automatic Cell Segmentation
von: Menezes, Aaron Rock, et al.
Veröffentlicht: (2024)

CLOUD: A Scalable and Physics-Informed Foundation Model for Crystal Representation Learning
von: Xu, Changwen, et al.
Veröffentlicht: (2025)

Open-Source Molecular Processing Pipeline for Generating Molecules
von: Shreyas, V, et al.
Veröffentlicht: (2024)

A fully differentiable framework for training proxy Exchange Correlation Functionals for periodic systems
von: Singh, Rakshit Kumar, et al.
Veröffentlicht: (2026)

A Modular Open Source Framework for Genomic Variant Calling
von: Bisoi, Ankita Vaishnobi, et al.
Veröffentlicht: (2024)

Tokenization for Molecular Foundation Models
von: Wadell, Alexius, et al.
Veröffentlicht: (2024)

Solving Partial Differential Equations with Equivariant Extreme Learning Machines
von: Harder, Hans, et al.
Veröffentlicht: (2024)

Self-Supervised Learning with Lie Symmetries for Partial Differential Equations
von: Mialon, Grégoire, et al.
Veröffentlicht: (2023)

Protect$^*$: Steerable Retrosynthesis through Neuro-Symbolic State Encoding
von: Sathyanarayana, Shreyas Vinaya, et al.
Veröffentlicht: (2026)

Deepmechanics
von: Shinde, Abhay, et al.
Veröffentlicht: (2026)

Latent Mamba Operator for Partial Differential Equations
von: Tiwari, Karn, et al.
Veröffentlicht: (2025)

Reinforcement Learning Closures for Underresolved Partial Differential Equations using Synthetic Data
von: Heimbach, Lothar, et al.
Veröffentlicht: (2025)

Disentangled Representation Learning for Parametric Partial Differential Equations
von: Liu, Ning, et al.
Veröffentlicht: (2024)

Particle-Guided Diffusion Models for Partial Differential Equations
von: Millard, Andrew, et al.
Veröffentlicht: (2026)

Second-Order Tensorial Partial Differential Equations on Graphs
von: Einizade, Aref, et al.
Veröffentlicht: (2025)

Data-Driven Self-Supervised Learning for the Discovery of Solution Singularity for Partial Differential Equations
von: Cai, Difeng, et al.
Veröffentlicht: (2025)

Scale-Consistent Learning for Partial Differential Equations
von: Li, Zongyi, et al.
Veröffentlicht: (2025)

Understanding Differential Transformer Unchains Pretrained Self-Attentions
von: Kong, Chaerin, et al.
Veröffentlicht: (2025)

Self-supervised Pretraining for Decision Foundation Model: Formulation, Pipeline and Challenges
von: Liu, Xiaoqian, et al.
Veröffentlicht: (2023)

Self-supervised Pretraining for Cardiovascular Magnetic Resonance Cine Segmentation
von: de Mooij, Rob A. J., et al.
Veröffentlicht: (2024)

ProFSA: Self-supervised Pocket Pretraining via Protein Fragment-Surroundings Alignment
von: Gao, Bowen, et al.
Veröffentlicht: (2023)

Multi-scale Time-stepping of Partial Differential Equations with Transformers
von: Hemmasian, AmirPouya, et al.
Veröffentlicht: (2023)

Expanding the Chaos: Neural Operator for Stochastic (Partial) Differential Equations
von: Shi, Dai, et al.
Veröffentlicht: (2026)

Solving Partial Differential Equations with Random Feature Models
von: Liao, Chunyang
Veröffentlicht: (2024)

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

Neuro-BERT: Rethinking Masked Autoencoding for Self-supervised Neurological Pretraining
von: Wu, Di, et al.
Veröffentlicht: (2022)

Causal Self-supervised Pretrained Frontend with Predictive Code for Speech Separation
von: Wang, Wupeng, et al.
Veröffentlicht: (2025)

Closure Discovery for Coarse-Grained Partial Differential Equations Using Grid-based Reinforcement Learning
von: von Bassewitz, Jan-Philipp, et al.
Veröffentlicht: (2024)

Generative Learning of the Solution of Parametric Partial Differential Equations Using Guided Diffusion Models and Virtual Observations
von: Gao, Han, et al.
Veröffentlicht: (2024)

WLNO: Wavelet-Laplace Neural Operator for Solving Partial Differential Equations
von: Abid, Muhammad, et al.
Veröffentlicht: (2026)

Quantized Convolutional Neural Networks Through the Lens of Partial Differential Equations
von: Ben-Yair, Ido, et al.
Veröffentlicht: (2021)

Physics-Informed Laplace Neural Operator for Solving Partial Differential Equations
von: Kim, Heechang, et al.
Veröffentlicht: (2026)