Buchumschlag

Refining embeddings with fill-tuning: data-efficient generalised performance improvements for materials foundation models

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Wilson, Matthew P., Pyzer-Knapp, Edward O., Galichet, Nicolas, Dicks, Luke
Format:	Preprint
Veröffentlicht:	2025
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

On the feasibility of foundational models for the simulation of physical phenomena
von: Tierz, Alicia, et al.
Veröffentlicht: (2024)

In-context modeling as a retrain-free paradigm for foundation models in computational science
von: Li, Lingfeng, et al.
Veröffentlicht: (2026)

MATEY: multiscale adaptive foundation models for spatiotemporal physical systems
von: Zhang, Pei, et al.
Veröffentlicht: (2024)

Test-time data augmentation: improving predictions of recurrent neural network models of composites
von: Uvdal, Petter, et al.
Veröffentlicht: (2024)

Aeroengine performance prediction using a physical-embedded data-driven method
von: Mo, Tong, et al.
Veröffentlicht: (2024)

An energy-based material model for the simulation of shape memory alloys under complex boundary value problems
von: Erdogan, C., et al.
Veröffentlicht: (2024)

Mechanics Informatics: A paradigm for efficiently learning constitutive models
von: Ihuaenyi, Royal C., et al.
Veröffentlicht: (2025)

Lightweight equivariant model for efficient machine learning interatomic potentials
von: Yang, Ziduo, et al.
Veröffentlicht: (2023)

Experimental and numerical simulation study on the thermal performance of building envelope structures incorporating the solid-solid phase change material
von: Ye, Qiong, et al.
Veröffentlicht: (2025)

A variational multi-phase model for elastoplastic materials with microstructure evolution
von: Dinkelacker-Steinhoff, Sarah, et al.
Veröffentlicht: (2026)

Toward path-invariant embeddings for local distance source characterization
von: Linville, Lisa, et al.
Veröffentlicht: (2024)

Parameter conditioned interpretable U-Net surrogate model for data-driven predictions of convection-diffusion-reaction processes
von: Kastor, Michael Urs Lars, et al.
Veröffentlicht: (2026)

Set-based queries for multiscale shape-material modeling
von: Igouchkine, Oleg, et al.
Veröffentlicht: (2024)

ViT-Transformer: Self-attention mechanism based constitutive modeling for nonlinear heterogeneous materials
von: Zhou, Yijing, et al.
Veröffentlicht: (2025)

Deep material networks for fiber suspensions with infinite material contrast
von: Sterr, Benedikt, et al.
Veröffentlicht: (2024)

Hetero-EUCLID: Interpretable model discovery for heterogeneous hyperelastic materials using stress-unsupervised learning
von: Chaurasiya, Kanhaiya Lal, et al.
Veröffentlicht: (2025)

Orientation-aware interaction-based deep material network in polycrystalline materials modeling
von: Wei, Ting-Ju, et al.
Veröffentlicht: (2025)

Efficient Counterfactual Estimation of Conditional Greeks via Malliavin-based Weak Derivatives
von: Krishnamurthy, Vikram, et al.
Veröffentlicht: (2026)

Inference in the presence of model-form uncertainties: Leveraging a prediction-oriented approach to improve uncertainty characterization
von: White, Rebekah, et al.
Veröffentlicht: (2026)

Simultaneous analysis of curved Kirchhoff beams and Kirchhoff--Love shells embedded in bulk domains
von: Neumeyer, Jonas, et al.
Veröffentlicht: (2026)

Learning driving style embedding from GPS-derived moving patterns for driver identification
von: Lu, Lin
Veröffentlicht: (2024)

Accurate and efficient predictions of keyhole dynamics in laser materials processing using machine learning-aided simulations
von: Zhang, Jiahui, et al.
Veröffentlicht: (2024)

Multiscale topology optimization of functionally graded lattice structures based on physics-augmented neural network material models
von: Stollberg, Jonathan, et al.
Veröffentlicht: (2024)

A mixed-order quasicontinuum approach for beam-based architected materials with application to fracture
von: Kraschewski, Kevin, et al.
Veröffentlicht: (2024)

DiffLiB: High-fidelity differentiable modeling of lithium-ion batteries and efficient gradient-based parameter identification
von: Xu, Weipeng, et al.
Veröffentlicht: (2025)

Sci2Pol: Evaluating and Fine-tuning LLMs on Scientific-to-Policy Brief Generation
von: Wu, Weimin, et al.
Veröffentlicht: (2025)

Unfitted Multi-Level hp Refinement for Localized and Moving Solution Features
von: Schmäke, Jan Niklas, et al.
Veröffentlicht: (2026)

Hydrogen reaction rate modeling based on convolutional neural network for large eddy simulation
von: Malé, Quentin, et al.
Veröffentlicht: (2024)

A general approach for running Python codes in OpenFOAM using an embedded pybind11 Python interpreter
von: Rodriguez, Simon, et al.
Veröffentlicht: (2022)

Thermodynamic topology optimization for hardening materials
von: Kick, Miriam, et al.
Veröffentlicht: (2021)

Data-efficient inverse design of spinodoid metamaterials
von: Rosenkranz, Max, et al.
Veröffentlicht: (2025)

From Production Envelopes to Executable Schedules: Sound Constructive Refinement for High-Mix Manufacturing
von: Liu, Runhao, et al.
Veröffentlicht: (2025)

STRIDE: Post-Training LLMs to Reason and Refine Bio-Sequences via Edit Trajectories
von: Zhang, Daiheng, et al.
Veröffentlicht: (2026)

Design of thermal meta-structures made of functionally graded materials using isogeometric density-based topology optimization
von: Jansari, Chintan, et al.
Veröffentlicht: (2024)

Mamute: high-performance computing for geophysical methods
von: Fernandes, João B., et al.
Veröffentlicht: (2025)

dnaGrinder: a lightweight and high-capacity genomic foundation model
von: Zhao, Qihang, et al.
Veröffentlicht: (2024)

Training an AI hyperelastic constitutive model with experimental data
von: Jailin, Clément, et al.
Veröffentlicht: (2024)

Non-smooth optimization meets automated material model discovery
von: Flaschel, Moritz, et al.
Veröffentlicht: (2025)

A Delaunay Refinement Algorithm for the Particle Finite Element Method applied to Free Surface Flows
von: Leyssens, Thomas, et al.
Veröffentlicht: (2024)

Isogeometric Analysis for 2D Magnetostatic Computations with Multi-level Bézier Extraction for Local Refinement
von: Grendas, Andreas, et al.
Veröffentlicht: (2025)