Buchumschlag

Uncertainty Quantification in Reduced-Order Gas-Phase Atmospheric Chemistry Modeling using Ensemble SINDy

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Guo, Lin, Yang, Xiaokai, Zheng, Zhonghua, Riemer, Nicole, Tessum, Christopher W.
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

Atmospheric chemistry surrogate modeling with sparse identification of nonlinear dynamics
von: Yang, Xiaokai, et al.
Veröffentlicht: (2024)

Uncertainty Quantification for Reduced-Order Surrogate Models Applied to Cloud Microphysics
von: Katona, Jonas E., et al.
Veröffentlicht: (2025)

Uncertainty Quantification in Graph Neural Networks with Shallow Ensembles
von: Vinchurkar, Tirtha, et al.
Veröffentlicht: (2025)

LES-SINDy: Laplace-Enhanced Sparse Identification of Nonlinear Dynamical Systems
von: Zheng, Haoyang, et al.
Veröffentlicht: (2024)

Uncertainty Quantification in PINNs for Turbulent Flows: Bayesian Inference and Repulsive Ensembles
von: Shukla, Khemraj, et al.
Veröffentlicht: (2026)

SINDy on slow manifolds
von: Delgado-Cano, Diemen, et al.
Veröffentlicht: (2025)

Acceleration of horizontal numerical advection for atmospheric modeling through surrogate modeling with temporal coarse-graining
von: Park, Manho, et al.
Veröffentlicht: (2026)

Multifidelity Uncertainty Quantification for Ice Sheet Simulations
von: Aretz, Nicole, et al.
Veröffentlicht: (2024)

Accurate and Efficient Hybrid-Ensemble Atmospheric Data Assimilation in Latent Space with Uncertainty Quantification
von: Fan, Hang, et al.
Veröffentlicht: (2026)

Muti-Fidelity Prediction and Uncertainty Quantification with Laplace Neural Operators for Parametric Partial Differential Equations
von: Zheng, Haoyang, et al.
Veröffentlicht: (2025)

Robust Confinement State Classification with Uncertainty Quantification through Ensembled Data-Driven Methods
von: Poels, Yoeri, et al.
Veröffentlicht: (2025)

Extending OpenKIM with an Uncertainty Quantification Toolkit for Molecular Modeling
von: Kurniawan, Yonatan, et al.
Veröffentlicht: (2022)

Condensed-Phase Quantum Chemistry
von: Robinson, Paul J., et al.
Veröffentlicht: (2024)

Physics Constrained Deep Learning For Turbulence Model Uncertainty Quantification
von: Chu, Minghan, et al.
Veröffentlicht: (2024)

Modelling Gas-Phase Reaction Kinetics with Guided Particle Diffusion Sampling
von: Millard, Andrew, et al.
Veröffentlicht: (2026)

Adapting Atmospheric Chemistry Components for Efficient GPU Accelerators
von: Ruiz, Christian Guzman, et al.
Veröffentlicht: (2024)

Reducing Weighted Ensemble Variance With Optimal Trajectory Management
von: Ryu, Won Hee, et al.
Veröffentlicht: (2025)

Hybrid Physics-Data Enrichments to Represent Uncertainty in Reduced Gas-Surface Chemistry Models for Hypersonic Flight
von: Bandy, Rileigh, et al.
Veröffentlicht: (2025)

AI-powered Digital Twin of the Ocean: Reliable Uncertainty Quantification for Real-time Wave Height Prediction with Deep Ensemble
von: Lee, Dongeon, et al.
Veröffentlicht: (2024)

Calibrated Physics-Informed Uncertainty Quantification
von: Gopakumar, Vignesh, et al.
Veröffentlicht: (2025)

Phase-IDENT: Identification of Two-phase PDEs with Uncertainty Quantification
von: Yang, Edward L., et al.
Veröffentlicht: (2026)

Calibrating a Finite-strain Phase-field Model of Fracture for Bonded Granular Materials with Uncertainty Quantification
von: Schmid, Abigail C., et al.
Veröffentlicht: (2025)

Optimal Uncertainty Quantification under General Moment Constraints on Input Subdomains
von: Jin, Rong, et al.
Veröffentlicht: (2025)

Uncertainty Quantification of Graph Convolution Neural Network Models of Evolving Processes
von: Hauth, Jeremiah, et al.
Veröffentlicht: (2024)

Uncertainty Quantification of Surrogate Models using Conformal Prediction
von: Gopakumar, Vignesh, et al.
Veröffentlicht: (2024)

Am I Confused or Is This Confusing?: Deep Ensembles for ENSO Uncertainty Quantification
von: McAfee, Devin M., et al.
Veröffentlicht: (2025)

Reduced Order Modeling for Tsunami Forecasting with Bayesian Hierarchical Pooling
von: Coffing, Shane X., et al.
Veröffentlicht: (2025)

Generative Network-Based Reduced-Order Model for Prediction, Data Assimilation and Uncertainty Quantification
von: Silva, Vinicius L. S., et al.
Veröffentlicht: (2021)

Accelerating Particle-in-Cell Kinetic Plasma Simulations via Reduced-Order Modeling of Space-Charge Dynamics using Dynamic Mode Decomposition
von: Nayak, Indranil, et al.
Veröffentlicht: (2023)

Sensitivity Analysis and Uncertainty Quantification on Point Defect Kinetics Equations with Perturbation Analysis
von: Jin, Miaomiao, et al.
Veröffentlicht: (2023)

Scientific Machine Learning Based Reduced-Order Models for Plasma Turbulence Simulations
von: Gahr, Constantin, et al.
Veröffentlicht: (2024)

CHEMSMART: Chemistry Simulation and Modeling Automation Toolkit for High-Efficiency Computational Chemistry Workflows
von: Zhang, Xinglong, et al.
Veröffentlicht: (2025)

Quantification of MagLIF morphology using the Mallat Scattering Transformation
von: Glinsky, Michael E., et al.
Veröffentlicht: (2019)

Shallow Recurrent Decoder for Reduced Order Modeling of Plasma Dynamics
von: Kutz, J. Nathan, et al.
Veröffentlicht: (2024)

A Reduced Order Model for Finite Element Method in Time Domain Electromagnetic Simulations
von: Medeiros, Ruth, et al.
Veröffentlicht: (2024)

Spatiotemporal Detection and Uncertainty Visualization of Atmospheric Blocking Events
von: Li, Mingzhe, et al.
Veröffentlicht: (2026)

Uncertainty Quantification for Machine Learning-Based Prediction: A Polynomial Chaos Expansion Approach for Joint Model and Input Uncertainty Propagation
von: Du, Xiaoping
Veröffentlicht: (2025)

Reduced Order Hysteretic Flux Model for Transport Current Homogenization in Composite Superconductors
von: Glock, Alexander, et al.
Veröffentlicht: (2025)

Condensed Stein Variational Gradient Descent for Uncertainty Quantification of Neural Networks
von: Padmanabha, Govinda Anantha, et al.
Veröffentlicht: (2024)

Uncertainty Quantification for Multimodal Large Language Models with Incoherence-adjusted Semantic Volume
von: Lau, Gregory Kang Ruey, et al.
Veröffentlicht: (2026)