Buchumschlag

A Physics Informed Neural Network (PINN) Methodology for Coupled Moving Boundary PDEs

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Kathane, Shivprasad, Karagadde, Shyamprasad
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Machine Learning Analysis of PDEs
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

$PINN - a Domain Decomposition Method for Bayesian Physics-Informed Neural Networks
von: Figueres, Júlia Vicens, et al.
Veröffentlicht: (2025)

Finite-PINN: A Physics-Informed Neural Network with Finite Geometric Encoding for Solid Mechanics
von: Li, Haolin, et al.
Veröffentlicht: (2024)

Stiff Transfer Learning for Physics-Informed Neural Networks
von: Seiler, Emilien, et al.
Veröffentlicht: (2025)

Learning PDE Solvers with Physics and Data: A Unifying View of Physics-Informed Neural Networks and Neural Operators
von: Dai, Yilong, et al.
Veröffentlicht: (2026)

Barron Space Representations for Elliptic PDEs with Homogeneous Boundary Conditions
von: Chen, Ziang, et al.
Veröffentlicht: (2025)

Generalization Bounds for Physics-Informed Neural Networks for the Incompressible Navier-Stokes Equations
von: Andre-Sloan, Sebastien, et al.
Veröffentlicht: (2026)

Dual Cone Gradient Descent for Training Physics-Informed Neural Networks
von: Hwang, Youngsik, et al.
Veröffentlicht: (2024)

Quantitative Analysis of Molecular Transport in the Extracellular Space Using Physics-Informed Neural Network
von: Xie, Jiayi, et al.
Veröffentlicht: (2024)

Wavelet-Accelerated Physics-Informed Quantum Neural Network for Multiscale Partial Differential Equations
von: Gupta, Deepak, et al.
Veröffentlicht: (2025)

Backstepping Neural Operators for $2\times 2$ Hyperbolic PDEs
von: Wang, Shanshan, et al.
Veröffentlicht: (2023)

Mathematical Modeling of Cancer-Bacterial Therapy: Analysis and Numerical Simulation via Physics-Informed Neural Networks
von: Farkane, Ayoub, et al.
Veröffentlicht: (2026)

Meta-learning Loss Functions of Parametric Partial Differential Equations Using Physics-Informed Neural Networks
von: Koumpanakis, Michail, et al.
Veröffentlicht: (2024)

Learning functional components of PDEs from data using neural networks
von: Loman, Torkel E., et al.
Veröffentlicht: (2026)

Regularity of Second-Order Elliptic PDEs in Spectral Barron Spaces
von: Chen, Ziang, et al.
Veröffentlicht: (2026)

Generalization Error Bounds for Picard-Type Operator Learning in Nonlinear Parabolic PDEs
von: Taniguchi, Koichi, et al.
Veröffentlicht: (2026)

SPDEBench: An Extensive Benchmark for Learning Stochastic PDEs
von: Zhu, Yuantu, et al.
Veröffentlicht: (2025)

Learning embeddings of non-linear PDEs: the Burgers' equation
von: Tarancón-Álvarez, Pedro, et al.
Veröffentlicht: (2026)

Trace Regularity PINNs: Enforcing $\mathrm{H}^{\frac{1}{2}}(\partial Ω)$ for Boundary Data
von: Kim, Doyoon, et al.
Veröffentlicht: (2025)

A Physics-informed Multi-resolution Neural Operator
von: Roy, Sumanta, et al.
Veröffentlicht: (2025)

Double Coupling Architecture and Training Method for Optimization Problems of Differential Algebraic Equations with Parameters
von: Yang, Wenqiang, et al.
Veröffentlicht: (2026)

Power-Enhanced Residual Network for Function Approximation and Physics-Informed Inverse Problems
von: Noorizadegan, Amir, et al.
Veröffentlicht: (2023)

Homogenization with Guaranteed Bounds via Primal-Dual Physically Informed Neural Networks
von: Gaynutdinova, Liya, et al.
Veröffentlicht: (2025)

SPIKE: Stable Physics-Informed Kernel Evolution Method for Solving Hyperbolic Conservation Laws
von: Su, Hua, et al.
Veröffentlicht: (2025)

A coupled Kolmogorov-Arnold Network and Level-Set framework for evolving interfaces
von: Pande, Tarus, et al.
Veröffentlicht: (2026)

Solving PDEs on Spheres with Physics-Informed Convolutional Neural Networks
von: Lei, Guanhang, et al.
Veröffentlicht: (2023)

Resolving Sharp Gradients of Unstable Singularities to Machine Precision via Neural Networks
von: Wang, Yongji, et al.
Veröffentlicht: (2025)

DeepRitzSplit Neural Operator for Phase-Field Models via Energy Splitting
von: Huang, Chih-Kang, et al.
Veröffentlicht: (2026)

Rigorous Error Certification for Neural PDE Solvers: From Empirical Residuals to Solution Guarantees
von: Mukherjee, Amartya, et al.
Veröffentlicht: (2026)

ACMP: Allen-Cahn Message Passing with Attractive and Repulsive Forces for Graph Neural Networks
von: Wang, Yuelin, et al.
Veröffentlicht: (2022)

PILD: Physics-Informed Learning via Diffusion
von: Zeng, Tianyi, et al.
Veröffentlicht: (2026)

Nonlocal Attention Operator: Materializing Hidden Knowledge Towards Interpretable Physics Discovery
von: Yu, Yue, et al.
Veröffentlicht: (2024)

A hybrid marching cubes based IsoAlpha method for interface reconstruction
von: G.S. Abhishek, et al.
Veröffentlicht: (2024)

Posterior Concentration of Bayesian Physics-Informed Neural Networks for Elliptic PDEs
von: Zhao, Yuxuan, et al.
Veröffentlicht: (2026)

Soliton profiles: Classical Numerical Schemes vs. Neural Network - Based Solvers
von: Haight, Chandler, et al.
Veröffentlicht: (2025)

Neural Sampling from Boltzmann Densities: Fisher-Rao Curves in the Wasserstein Geometry
von: Chemseddine, Jannis, et al.
Veröffentlicht: (2024)

Spectral Informed Neural Network: An Efficient and Low-Memory PINN
von: Yu, Tianchi, et al.
Veröffentlicht: (2024)

Adversarial Adaptive Sampling: Unify PINN and Optimal Transport for the Approximation of PDEs
von: Tang, Kejun, et al.
Veröffentlicht: (2023)

Moving localized observations and Ces{à}ro asymptotic observability for conservative PDEs
von: de Hoop, Maarten V., et al.
Veröffentlicht: (2026)

BridgeNet: A Hybrid, Physics-Informed Machine Learning Framework for Solving High-Dimensional Fokker-Planck Equations
von: Mirzabeigi, Elmira, et al.
Veröffentlicht: (2025)

Convergence Analysis of a Schrodinger Problem with Moving Boundary
von: Vigo, Daniel G. Alfaro, et al.
Veröffentlicht: (2024)