Buchumschlag

Zero-shot forecasting of chaotic systems

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Zhang, Yuanzhao, Gilpin, William
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Machine Learning Chaotic Dynamics Computational Physics
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Context parroting: A simple but tough-to-beat baseline for foundation models in scientific machine learning
von: Zhang, Yuanzhao, et al.
Veröffentlicht: (2025)

Panda: A pretrained forecast model for chaotic dynamics
von: Lai, Jeffrey, et al.
Veröffentlicht: (2025)

Generative learning for nonlinear dynamics
von: Gilpin, William
Veröffentlicht: (2023)

Learning Beyond Experience: Generalizing to Unseen State Space with Reservoir Computing
von: Norton, Declan A., et al.
Veröffentlicht: (2025)

Transformers for dynamical systems learn transfer operators in-context
von: Bao, Anthony, et al.
Veröffentlicht: (2026)

Optimal training of finitely-sampled quantum reservoir computers for forecasting of chaotic dynamics
von: Ahmed, Osama, et al.
Veröffentlicht: (2024)

Robust quantum reservoir computers for forecasting chaotic dynamics: generalized synchronization and stability
von: Ahmed, Osama, et al.
Veröffentlicht: (2025)

Recurrences reveal shared causal drivers of complex time series
von: Gilpin, William
Veröffentlicht: (2023)

Deconstructing Recurrence, Attention, and Gating: Investigating the transferability of Transformers and Gated Recurrent Neural Networks in forecasting of dynamical systems
von: Heidenreich, Hunter S., et al.
Veröffentlicht: (2024)

Stability analysis of chaotic systems in latent spaces
von: Özalp, Elise, et al.
Veröffentlicht: (2024)

Inferring stability properties of chaotic systems on autoencoders' latent spaces
von: Özalp, Elise, et al.
Veröffentlicht: (2024)

Inferring bifurcation diagrams of two distinct chaotic systems by a single machine
von: Guo, Jianmin, et al.
Veröffentlicht: (2026)

Universal replication of chaotic characteristics by classical and quantum machine learning
von: Bai, Sheng-Chen, et al.
Veröffentlicht: (2024)

Learning finite symmetry groups of dynamical systems via equivariance detection
von: Calvo-Barlés, Pablo, et al.
Veröffentlicht: (2025)

Temporal horizons in forecasting: a performance-learnability trade-off
von: Aceituno, Pau Vilimelis, et al.
Veröffentlicht: (2025)

Storage and selection of multiple chaotic attractors in minimal reservoir computers
von: Martinuzzi, Francesco, et al.
Veröffentlicht: (2026)

Accurate deep learning-based filtering for chaotic dynamics by identifying instabilities without an ensemble
von: Bocquet, Marc, et al.
Veröffentlicht: (2024)

Predicting two-dimensional spatiotemporal chaotic patterns with optimized high-dimensional hybrid reservoir computing
von: Nakano, Tamon, et al.
Veröffentlicht: (2025)

Mamba time series forecasting with uncertainty quantification
von: Pessoa, Pedro, et al.
Veröffentlicht: (2025)

Machine-learning optimized measurements of chaotic dynamical systems via the information bottleneck
von: Murphy, Kieran A., et al.
Veröffentlicht: (2023)

Cyclic image generation using chaotic dynamics
von: Tanaka, Takaya, et al.
Veröffentlicht: (2024)

Using Machine Learning and Neural Networks to Analyze and Predict Chaos in Multi-Pendulum and Chaotic Systems
von: Ramachandruni, Vasista, et al.
Veröffentlicht: (2025)

GEN2: A Generative Prediction-Correction Framework for Long-time Emulations of Spatially-Resolved Climate Extremes
von: Wang, Mengze, et al.
Veröffentlicht: (2025)

Tailored Forecasting from Short Time Series via Meta-learning
von: Norton, Declan A., et al.
Veröffentlicht: (2025)

Beyond Static Models: Hypernetworks for Adaptive and Generalizable Forecasting in Complex Parametric Dynamical Systems
von: Vlachas, Pantelis R., et al.
Veröffentlicht: (2025)

Phase space geometry of a Four-wings chaotic attractor
von: Patra, Tanmayee, et al.
Veröffentlicht: (2025)

Optimization hardness constrains ecological transients
von: Gilpin, William
Veröffentlicht: (2024)

Invariant Measures in Time-Delay Coordinates for Unique Dynamical System Identification
von: Botvinick-Greenhouse, Jonah, et al.
Veröffentlicht: (2024)

Sparse identification of quasipotentials via a combined data-driven method
von: Lin, Bo, et al.
Veröffentlicht: (2024)

Data-Driven Reduced-Complexity Modeling of Fluid Flows: A Community Challenge
von: Schmidt, Oliver T., et al.
Veröffentlicht: (2026)

Dynamic multiphase flow triggers chaotic mixing in porous media
von: Linga, Gaute, et al.
Veröffentlicht: (2026)

Learning more physically realistic dynamics in machine-learning based weather forecasting with latent-space constraints
von: Fan, Hang, et al.
Veröffentlicht: (2025)

Thermalization of closed chaotic many-body quantum systems
von: Weidenmüller, Hans A.
Veröffentlicht: (2023)

Limits to extreme event forecasting in chaotic systems
von: Yuan, Yuan, et al.
Veröffentlicht: (2024)

Hierarchy of extreme-event predictability in turbulence revealed by machine learning
von: Yang, Yuxuan, et al.
Veröffentlicht: (2026)

Chaotic resetting: A resetting strategy for deterministic chaotic systems
von: Cantisán, Julia, et al.
Veröffentlicht: (2026)

Observable-manifested correlations in many-body quantum chaotic systems
von: Wang, Xiao, et al.
Veröffentlicht: (2025)

Periodicity of chaotic solutions
von: Berezowski, Marek, et al.
Veröffentlicht: (2016)

Van Hove singularities in the density of states of a chaotic dynamical system
von: Davies, Bryn
Veröffentlicht: (2024)

Regularization of ML models for Earth systems by using longer model timesteps
von: Parthipan, Raghul, et al.
Veröffentlicht: (2025)