Buchumschlag

Separable Operator Networks

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Yu, Xinling, Hooten, Sean, Liu, Ziyue, Zhao, Yequan, Fiorentino, Marco, Van Vaerenbergh, Thomas, Zhang, Zheng
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Machine Learning Computational Engineering, Finance, and Science
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

KANO: Kolmogorov-Arnold Neural Operator
von: Lee, Jin, et al.
Veröffentlicht: (2025)

Tau-BNO: Brain Neural Operator for Tau Transport Model
von: Barron, Nuutti, et al.
Veröffentlicht: (2026)

Enhancing Multiscale Simulations with Constitutive Relations-Aware Deep Operator Networks
von: Eivazi, Hamidreza, et al.
Veröffentlicht: (2024)

An Attention-based Spatio-Temporal Neural Operator for Evolving Physics
von: Karkaria, Vispi, et al.
Veröffentlicht: (2025)

Physics-informed Partitioned Coupled Neural Operator for Complex Networks
von: Wu, Weidong, et al.
Veröffentlicht: (2024)

GRAPPA -- A Hybrid Graph Neural Network for Predicting Pure Component Vapor Pressures
von: Hoffmann, Marco, et al.
Veröffentlicht: (2025)

Precision Glass Thermoforming Assisted by Neural Networks
von: Zhang, Yuzhou, et al.
Veröffentlicht: (2024)

Operator-based machine learning framework for generalizable prediction of unsteady treatment dynamics in stormwater infrastructure
von: Shatarah, Mohamed, et al.
Veröffentlicht: (2025)

Operator Learning for Reconstructing Flow Fields from Sparse Measurements: a Language Model Approach
von: Zhang, Qian, et al.
Veröffentlicht: (2026)

Finite Operator Learning: Bridging Neural Operators and Numerical Methods for Efficient Parametric Solution and Optimization of PDEs
von: Rezaei, Shahed, et al.
Veröffentlicht: (2024)

A Survey of AI for Materials Science: Foundation Models, LLM Agents, Datasets, and Tools
von: Van, Minh-Hao, et al.
Veröffentlicht: (2025)

Unified Network-Based Representation of BIM Models for Embedding Semantic, Spatial, and Topological Data
von: Han, Jin, et al.
Veröffentlicht: (2025)

Enforcing the Principle of Locality for Physical Simulations with Neural Operators
von: Chen, Jiangce, et al.
Veröffentlicht: (2024)

Derivative-enhanced Deep Operator Network
von: Qiu, Yuan, et al.
Veröffentlicht: (2024)

Harnessing the Power of Neural Operators with Automatically Encoded Conservation Laws
von: Liu, Ning, et al.
Veröffentlicht: (2023)

PINNsFormer: A Transformer-Based Framework For Physics-Informed Neural Networks
von: Zhao, Zhiyuan, et al.
Veröffentlicht: (2023)

MLPROP -- an open interactive web interface for thermophysical property prediction with machine learning
von: Hoffmann, Marco, et al.
Veröffentlicht: (2025)

Generative Large-Scale Pre-trained Models for Automated Ad Bidding Optimization
von: Lei, Yu, et al.
Veröffentlicht: (2025)

Universal Fourier Neural Operators for periodic homogenization problems in linear elasticity
von: Nguyen, Binh Huy, et al.
Veröffentlicht: (2025)

Extreme Scenario Selection in Day-Ahead Power Grid Operational Planning
von: Terrén-Serrano, Guillermo, et al.
Veröffentlicht: (2023)

Neural Operators Can Discover Functional Clusters
von: Li, Yicen, et al.
Veröffentlicht: (2026)

Probabilistic Predictions of Process-Induced Deformation in Carbon/Epoxy Composites Using a Deep Operator Network
von: Kiyani, Elham, et al.
Veröffentlicht: (2025)

Optimizing Portfolio Management and Risk Assessment in Digital Assets Using Deep Learning for Predictive Analysis
von: Cheng, Qishuo, et al.
Veröffentlicht: (2024)

TransDiffSBDD: Causality-Aware Multi-Modal Structure-Based Drug Design
von: Hu, Xiuyuan, et al.
Veröffentlicht: (2025)

3DMolFormer: A Dual-channel Framework for Structure-based Drug Discovery
von: Hu, Xiuyuan, et al.
Veröffentlicht: (2025)

CHAT: Beyond Contrastive Graph Transformer for Link Prediction in Heterogeneous Networks
von: Zhang, Shengming, et al.
Veröffentlicht: (2025)

Sensitivity-Constrained Fourier Neural Operators for Forward and Inverse Problems in Parametric Differential Equations
von: Behroozi, Abdolmehdi, et al.
Veröffentlicht: (2025)

The Best of Both Worlds: Hybridizing Neural Operators and Solvers for Stable Long-Horizon Inference
von: Roy, Rajyasri, et al.
Veröffentlicht: (2025)

Physics-Informed Geometric Operators to Support Surrogate, Dimension Reduction and Generative Models for Engineering Design
von: Khan, Shahroz, et al.
Veröffentlicht: (2024)

Thermodynamically consistent machine learning model for excess Gibbs energy
von: Hoffmann, Marco, et al.
Veröffentlicht: (2025)

EP-GAT: Energy-based Parallel Graph Attention Neural Network for Stock Trend Classification
von: Jiang, Zhuodong, et al.
Veröffentlicht: (2025)

FlashSchNet: Fast and Accurate Coarse-Grained Neural Network Molecular Dynamics
von: Li, Pingzhi, et al.
Veröffentlicht: (2026)

Decoding RWA Tokenized U.S. Treasuries: Functional Dissection and Address Role Inference
von: Luo, Junliang, et al.
Veröffentlicht: (2025)

Reservoir History Matching of the Norne field with generative exotic priors and a coupled Mixture of Experts -- Physics Informed Neural Operator Forward Model
von: Etienam, Clement, et al.
Veröffentlicht: (2024)

Bi-Level Chaotic Fusion Based Graph Convolutional Network for Stock Market Prediction Interval
von: Kandimalla, Eshwar Sai, et al.
Veröffentlicht: (2026)

Parsimonious Universal Function Approximator for Elastic and Elasto-Plastic Cavity Expansion Problems
von: Chen, Xiao-Xuan, et al.
Veröffentlicht: (2024)

A Resolution Independent Neural Operator
von: Bahmani, Bahador, et al.
Veröffentlicht: (2024)

Physics-Informed Neural Networks for Shell Structures
von: Bastek, Jan-Hendrik, et al.
Veröffentlicht: (2022)

Rectified Flow For Structure Based Drug Design
von: Zhang, Daiheng, et al.
Veröffentlicht: (2024)

Empirical Evidence for the Fragment level Understanding on Drug Molecular Structure of LLMs
von: Hu, Xiuyuan, et al.
Veröffentlicht: (2024)