Buchumschlag

On the generalization ability of coarse-grained molecular dynamics models for non-equilibrium processes

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Lyu, Liyao, Lei, Huan
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Computational Physics Numerical Analysis Machine Learning
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Consensus-based adaptive sampling and approximation for high-dimensional energy landscapes
von: Lyu, Liyao, et al.
Veröffentlicht: (2023)

MVNN: A Measure-Valued Neural Network for Learning McKean-Vlasov Dynamics from Particle Data
von: Lyu, Liyao, et al.
Veröffentlicht: (2026)

Data-driven construction of a generalized kinetic collision operator from molecular dynamics
von: Zhao, Yue, et al.
Veröffentlicht: (2025)

Fast spectral separation method for kinetic equation with anisotropic non-stationary collision operator retaining micro-model fidelity
von: Zhao, Yue, et al.
Veröffentlicht: (2025)

High-Dimensional Enhanced Sampling via Regularized Path-Dependent McKean--Vlasov Dynamics using Tensor Density Approximation
von: Lyu, Liyao, et al.
Veröffentlicht: (2026)

A stochastic branching particle method for solving non-conservative reaction-diffusion equations
von: Lyu, Liyao, et al.
Veröffentlicht: (2025)

From molecular dynamics to kinetic models: data-driven generalized collision operators in 1D3V plasmas
von: Zhao, Yue, et al.
Veröffentlicht: (2026)

Quantum speedup of non-linear Monte Carlo problems
von: Blanchet, Jose, et al.
Veröffentlicht: (2025)

Physically consistent predictive reduced-order modeling by enhancing Operator Inference with state constraints
von: Kim, Hyeonghun, et al.
Veröffentlicht: (2025)

Machine learning moment closure models for the radiative transfer equation IV: enforcing symmetrizable hyperbolicity in two dimensions
von: Huang, Juntao
Veröffentlicht: (2026)

Splitting physics-informed neural networks for inferring the dynamics of integer- and fractional-order neuron models
von: Shekarpaz, Simin, et al.
Veröffentlicht: (2023)

Automatically Differentiable Model Updating (ADiMU): conventional, hybrid, and neural network material model discovery including history-dependency
von: Ferreira, Bernardo P., et al.
Veröffentlicht: (2025)

Gaussian process learning of nonlinear dynamics
von: Ye, Dongwei, et al.
Veröffentlicht: (2023)

DynGMA: a robust approach for learning stochastic differential equations from data
von: Zhu, Aiqing, et al.
Veröffentlicht: (2024)

Machine Learning with Physics Knowledge for Prediction: A Survey
von: Watson, Joe, et al.
Veröffentlicht: (2024)

Finite Element Neural Network Interpolation. Part I: Interpretable and Adaptive Discretization for Solving PDEs
von: Škardová, Kateřina, et al.
Veröffentlicht: (2024)

Error Analysis and Numerical Algorithm for PDE Approximation with Hidden-Layer Concatenated Physics Informed Neural Networks
von: Qian, Yianxia, et al.
Veröffentlicht: (2024)

Energy Dissipation Preserving Physics Informed Neural Network for Allen-Cahn Equations
von: Kütük, Mustafa, et al.
Veröffentlicht: (2024)

Hamiltonian Matching for Symplectic Neural Integrators
von: Canizares, Priscilla, et al.
Veröffentlicht: (2024)

Parameterized Physics-informed Neural Networks for Parameterized PDEs
von: Cho, Woojin, et al.
Veröffentlicht: (2024)

Variational formulation based on duality to solve partial differential equations: Use of B-splines and machine learning approximants
von: Sukumar, N., et al.
Veröffentlicht: (2024)

Learning Domain-Independent Green's Function For Elliptic Partial Differential Equations
von: Negi, Pawan, et al.
Veröffentlicht: (2024)

Optimal time sampling in physics-informed neural networks
von: Turinici, Gabriel
Veröffentlicht: (2024)

Computing Transition Pathways for the Study of Rare Events Using Deep Reinforcement Learning
von: Lin, Bo, et al.
Veröffentlicht: (2024)

PICL: Physics Informed Contrastive Learning for Partial Differential Equations
von: Lorsung, Cooper, et al.
Veröffentlicht: (2024)

Deep Learning Method for Computing Committor Functions with Adaptive Sampling
von: Lin, Bo, et al.
Veröffentlicht: (2024)

TENG: Time-Evolving Natural Gradient for Solving PDEs With Deep Neural Nets Toward Machine Precision
von: Chen, Zhuo, et al.
Veröffentlicht: (2024)

Sparse Random-Feature Neural Networks with Krylov-Based SVD for Singularly Perturbed ODE
von: Vaidyan, Kevin Kurian Thomas, et al.
Veröffentlicht: (2026)

A Structure-Preserving Graph Neural Solver for Parametric Hyperbolic Conservation Laws
von: Jiang, Jiamin, et al.
Veröffentlicht: (2026)

Meshless solutions of PDE inverse problems on irregular geometries
von: Roggeveen, James V., et al.
Veröffentlicht: (2025)

BEACONS: Bounded-Error, Algebraically-Composable Neural Solvers for Partial Differential Equations
von: Gorard, Jonathan, et al.
Veröffentlicht: (2026)

Discrete Solution Operator Learning for Geometry-Dependent PDEs
von: Bai, Jinshuai, et al.
Veröffentlicht: (2026)

High-fidelity Multiphysics Modelling for Rapid Predictions Using Physics-informed Parallel Neural Operator
von: Yuan, Biao, et al.
Veröffentlicht: (2025)

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

jNO: A JAX Library for Neural Operator and Foundation Model Training
von: Armbruster, Leon, et al.
Veröffentlicht: (2026)

On Geometry Regularization in Autoencoder Reduced-Order Models with Latent Neural ODE Dynamics
von: Osipov, Mikhail
Veröffentlicht: (2026)

Jeffreys Flow: Robust Boltzmann Generators for Rare Event Sampling via Parallel Tempering Distillation
von: Lin, Guang, et al.
Veröffentlicht: (2026)

DeepONet Augmented by Randomized Neural Networks for Efficient Operator Learning in PDEs
von: Jiang, Zhaoxi, et al.
Veröffentlicht: (2025)

Structure-Preserving Digital Twins via Conditional Neural Whitney Forms
von: Kinch, Brooks, et al.
Veröffentlicht: (2025)

Improving physics-informed DeepONets with hard constraints
von: Brecht, Rüdiger, et al.
Veröffentlicht: (2023)