Buchumschlag

DBSCAN in domains with periodic boundary conditions

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	de Wit, Xander M., Gabbana, Alessandro
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Machine Learning Computational Physics Fluid Dynamics
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Data-driven Mori-Zwanzig modeling of Lagrangian particle dynamics in turbulent flows
von: de Wit, Xander, et al.
Veröffentlicht: (2025)

Enhancing lattice kinetic schemes for fluid dynamics with Lattice-Equivariant Neural Networks
von: Ortali, Giulio, et al.
Veröffentlicht: (2024)

Flow-driven hysteresis in the transition boiling regime
von: Gabbana, Alessandro, et al.
Veröffentlicht: (2025)

Localization-delocalization transition for light particles in turbulence
von: Wang, Ziqi, et al.
Veröffentlicht: (2024)

Transition to inverse cascade in turbulent rotating convection in absence of the large-scale vortex
von: de Wit, Xander M.
Veröffentlicht: (2025)

Efficient point-based simulation of four-way coupled particles in turbulence at high number density
von: de Wit, Xander M., et al.
Veröffentlicht: (2024)

Physics-informed neural networks for hidden boundary detection and flow field reconstruction
von: Zhu, Yongzheng, et al.
Veröffentlicht: (2025)

Virtual domain extension for imposing boundary conditions in flow simulation using pre-trained local neural operator
von: Ye, Ximeng, et al.
Veröffentlicht: (2025)

Solving nonlinear subsonic compressible flow in infinite domain via multi-stage neural networks
von: Qian, Xuehui, et al.
Veröffentlicht: (2026)

Perfectly Matched Layers and Characteristic Boundaries in Lattice Boltzmann: Accuracy vs Cost
von: Klass, Friedemann, et al.
Veröffentlicht: (2025)

Kinetic data-driven approach to turbulence subgrid modeling
von: Ortali, Giulio, et al.
Veröffentlicht: (2024)

Vielbein Lattice Boltzmann approach for fluid flows on spherical surfaces
von: Ambrus, Victor E., et al.
Veröffentlicht: (2025)

Stochastic resonance of rotating particles in turbulence
von: Wang, Ziqi, et al.
Veröffentlicht: (2025)

Bayesian Reasoning for Physics Informed Neural Networks
von: Graczyk, Krzysztof M., et al.
Veröffentlicht: (2023)

Machine Learning Visualization Tool for Exploring Parameterized Hydrodynamics
von: Jekel, C. F., et al.
Veröffentlicht: (2024)

Reinforcement learning for anisotropic p-adaptation and error estimation in high-order solvers
von: Huergo, David, et al.
Veröffentlicht: (2024)

Inertial rotation of a small oblate spheroid in a simple shear flow
von: Wang, Ziqi, et al.
Veröffentlicht: (2025)

Neural equilibria for long-term prediction of nonlinear conservation laws
von: Benitez, J. Antonio Lara, et al.
Veröffentlicht: (2025)

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

A Numerical Proof of Shell Model Turbulence Closure
von: Ortali, Giulio, et al.
Veröffentlicht: (2022)

Color-gradient lattice Boltzmann modeling of wetting boundary condition on curved solid boundaries
von: Bhattacharya, Malyadeep, et al.
Veröffentlicht: (2026)

Intelligent Optimization of Multi-Parameter Micromixers Using a Scientific Machine Learning Framework
von: Hassanzadeh, Meraj, et al.
Veröffentlicht: (2025)

Differentiable Physics-Neural Models enable Learning of Non-Markovian Closures for Accelerated Coarse-Grained Physics Simulations
von: Xue, Tingkai, et al.
Veröffentlicht: (2025)

Multi-resolution Physics-Aware Recurrent Convolutional Neural Network for Complex Flows
von: Cheng, Xinlun, et al.
Veröffentlicht: (2025)

From Models To Experiments: Shallow Recurrent Decoder Networks on the DYNASTY Experimental Facility
von: Riva, Stefano, et al.
Veröffentlicht: (2025)

Equivariant U-Shaped Neural Operators for the Cahn-Hilliard Phase-Field Model
von: Xue, Xiao, et al.
Veröffentlicht: (2025)

Optimal Lattice Boltzmann Closures through Multi-Agent Reinforcement Learning
von: Fischer, Paul, et al.
Veröffentlicht: (2025)

Predicting The Evolution of Interfaces with Fourier Neural Operators
von: Guida, Paolo, et al.
Veröffentlicht: (2025)

WellPINN: Accurate Well Representation for Transient Fluid Pressure Diffusion in Subsurface Reservoirs with Physics-Informed Neural Networks
von: Walter, Linus, et al.
Veröffentlicht: (2025)

Learning second-order TVD flux limiters using differentiable solvers
von: Huang, Chenyang, et al.
Veröffentlicht: (2025)

Learning Effective Dynamics across Spatio-Temporal Scales of Complex Flows
von: Gao, Han, et al.
Veröffentlicht: (2025)

Reparameterizing 4DVAR with neural fields
von: Oh, Jaemin
Veröffentlicht: (2025)

Graph-Based Learning of Free Surface Dynamics in Generalized Newtonian Fluids using Smoothed Particle Hydrodynamics
von: Kim, Hyo-Jin, et al.
Veröffentlicht: (2025)

From large-eddy simulations to deep learning: A U-net model for fast urban canopy flow predictions
von: Vargiemezis, Themistoklis, et al.
Veröffentlicht: (2025)

Information-theoretic machine learning for time-varying mode decomposition of separated aerodynamic flows
von: Fukami, Kai, et al.
Veröffentlicht: (2025)

Jacobian-Scaled K-means Clustering for Physics-Informed Segmentation of Reacting Flows
von: Barwey, Shivam, et al.
Veröffentlicht: (2023)

Physics-enhanced Neural Operator for Simulating Turbulent Transport
von: Chen, Shengyu, et al.
Veröffentlicht: (2024)

AeTHERON: Autoregressive Topology-aware Heterogeneous Graph Operator Network for Fluid-Structure Interaction
von: Kumar, Sushrut
Veröffentlicht: (2026)

Operator Learning for Surrogate Modeling of Wave-Induced Forces from Sea Surface Waves
von: Cai, Shukai, et al.
Veröffentlicht: (2026)

Generative Learning for Forecasting the Dynamics of Complex Systems
von: Gao, Han, et al.
Veröffentlicht: (2024)